algorithms

Documentation

Index

• Constants
• Variables
• func Normalize(data []float64, method string) ([]float64, error)
• func Polyfit(x, y []float64, degree int) []float64
• func Quantile(data []float64, p float64) (float64, error)

Constants

const (
	MethodMinMax          = "minmax"           // 最小-最大归一化（线性缩放）
	MethodZScore          = "zscore"           // Z-Score标准化
	MethodRobust          = "robust"           // 鲁棒标准化
	MethodL2              = "l2"               // L2正则化（单位向量）
	MethodLog             = "log"              // 对数变换
	MethodQuantileUniform = "quantile_uniform" // 映射到均匀分布
	MethodQuantileNormal  = "quantile_normal"  // 映射到正态分布
)

归一化方法常量定义

Variables

var (
	ErrEmptyData        = errors.New("data cannot be empty")
	ErrInvalidMethod    = errors.New("invalid normalization method")
	ErrConstantFeature  = errors.New("feature has constant value (zero variance)")
	ErrInsufficientData = errors.New("insufficient data points for quantile transformation")
)

自定义错误类型

Functions

func Normalize

func Normalize(data []float64, method string) ([]float64, error)

Normalize 归一化入口函数 方法选择建议：

• 异常值多 → 鲁棒标准化、分位数变换
• 稀疏数据 → L2正则化、绝对最大值归一化
• 深度学习 → 最小-最大（适配Sigmoid/ReLU）
• 正态假设 → Z-Score或分位数正态变换

func Polyfit

func Polyfit(x, y []float64, degree int) []float64

Polyfit 用最小二乘法拟合多项式系数

x: 自变量数组，y: 因变量数组，degree: 多项式阶数
返回系数数组（从高阶到低阶），例如 degree=1 时返回 [斜率, 截距]

func Quantile

func Quantile(data []float64, p float64) (float64, error)

Quantile 计算分位数 (0 <= p <= 1)