问题标签 [apache-commons-math]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
java - 线程安全警告
我org.apache.commons.math3.distribution.NormalDistribution在一个大型分布式 Scala & Akka 应用程序中使用。在调试过程sample()中，我发现偶尔会返回 NaN，它会默默传播并导致线程挂起org.apache.commons.math3.ode.nonstiff.DormandPrince853Integrator
NaN 可以通过并行集合简单地复制（不会在顺序代码中发生）：
显然，移动val normal内部foreach解决了这种情况下的问题。
我查看了文档，但看不到任何警告我此类问题的内容。我是否未能掌握有关线程安全的更基本概念？不用说我现在正在检查 NaN。
java - 如何使用 apache 的 commons.math FastFourierTransformer 进行时间序列预测
我想使用 FastFourierTransformation 来识别模式，从而预测我的监控指标的未来值。我想做的是：
我监控传入的流量负载，这是季节性重复的（白天的高选择），在一周内有一个额外的趋势（周末的流量较低，也是季节性重复的）。虽然我尝试了一些增强回归算法，但我也想使用 FFT 来识别最重要的系数，从而识别这两个最重要的频率，然后尝试推断以预测流量不久的将来。apache.commons.math3.transform.FastFourierTransformation尽管我在数学方面的理论背景给我带来了一些麻烦，但我正在为此苦苦挣扎。假设我使用 adoube [] array来存储观察到的时间范围内的最新流量负载，我使用以下代码：
double [] initialSignal = getMonitoringData(timeslide);
FastFourierTransformer fft = new FastFourierTransformer(DftNormalization.STANDARD);
Complex [] result = fft.transform(initialSignal, TransformType.FORWARD);
但是我不熟悉Complex []数组代表什么。数组中每个 Complex 对象的虚属性是否代表相关的正弦系数？那么，如果我想采用去噪的初始信号，我只需将 Complex [] 结果数组的不太重要的系数设置为零？但是，如果我有以下
Complex [] denoised = fft.transform(importantCoefficiants, TransformType.INVERSE);
结果仍然是一个复杂的数组。如何获得时间序列的新转换的 x(t) 值？x(t+1), x(t+2) ... x(t+n) values在对初始时间序列进行去噪后，我如何推断以预测?
java - Java中的公式计算
我确实有数学公式，例如，
(3.14*2.500^2)/4
IF(45.0=0,0,1/42.9^2)
这是从Excel公式派生的公式。
我只需要使用 java 来获得这些公式的结果。
我遇到有用的链接。
你能告诉我最好的方法吗？
- 我们有什么可以直接输入这个公式并得到结果的地方吗？
- 我是否需要对字符串进行 Tokanize 并使用基本的 Java Math 包进行计算？
- 如果我只需要 Tokanize，那么哪个是最好的基本数学包或 Commons Math？
java - 计算 t 逆
我正在尝试使用 commons-math 计算 2 尾学生分布的倒数。我正在使用 Excel 来比较值并验证我的结果是否正确。
所以使用 excel 计算 5 个自由度和 95.45% 的 TINV 我使用
并得到结果：2.64865
像这样使用公共数学：
我得到结果：2.08913
我可能显然做错了什么。我并不是那么精通数学，但我需要将一个 Excel 工作表公式移植到 Java 以用于一个项目并且被困在这个问题上。
我应该使用什么来获得与 TINV 值完全相同的结果？我错过了什么。
java - 增量浮点均值算法的选择（java）
我想计算双打流的平均值。这是一个简单的任务，只需要存储一个 double 和一个 int。我正在使用 apache commons SummaryStatistics 类来执行此操作。但是，在测试时，我注意到 SummaryStatistics 的平均值有浮点错误，而我自己的 python 实现没有。经过进一步检查，我发现 commons 正在使用以下算法的一个版本：
这有时会导致小的浮点错误，例如
这也是番石榴实用程序 DoubleMath.mean 使用的均值算法。我觉得很奇怪，他们都使用上述算法而不是更天真的算法：
我可以想到为什么人们可能更喜欢前一种算法的原因有两个。一个是，如果您在流式传输期间大量查询平均值，则只需要复制一个值可能比进行除法更有效，除非更新步骤似乎要慢得多，这几乎总是超过这个成本（注意，我实际上并没有计时差异）。
另一种解释是前者防止溢出问题。浮点数似乎并非如此，至多这应该会导致均值下降。如果出现此错误，我们应该能够将结果与使用 BigDecimal 类完成的相同 cumMean 进行比较。这导致以下功能：
这应该是我们能得到的最准确的平均值。从以下代码的一些轶事运行来看，平均值和最准确的代码之间似乎没有显着差异。有趣的是，它们往往与数字上的准确平均值不同，而且两者总是比另一个更接近。
有没有人有理由解释为什么 apache commons 和 guava 都选择了前一种方法而不是后者？
编辑：我的问题的答案似乎很清楚，答案是 Knuth 在 The Art of Programming Vol II 4.2.2 (15) 中提出了它（感谢 Louis Wasserman 提供查看番石榴源的提示）。然而，在书中，Knuth 提出了这种计算均值的方法来引导标准差的稳健计算，不一定说这是最优均值计算。基于阅读更多章节，我实现了第四个意思：
执行与上述相同的测试（几次，没有统计学意义），我得到与 BigDecimal 实现完全相同的结果。我可以想象 knuth 均值更新比使用更复杂的求和方法更快，但更复杂的方法在经验上似乎更准确地估计均值，我天真地期望这也会导致更好的标准差更新。除了可能更快之外，还有其他理由使用 knuth 方法吗？
java - Commons Math 的内存要求：Apache Commons 数学库
我想知道 Apache Commons Math 中的所有操作是否都在内存操作中。我对 OLSMultipleLinearRegression 并将其用于大数据特别感兴趣。
还有任何现有的 JAVA API 可用于对大数据运行回归。
java - 您如何使用 Apache Commons Math 3.0+ 通过 Jacobian 矩阵求解 ODE？
关于使用雅可比近似求解 ODE 的特定 Java 库，以前的 Apache Commons Math 库 2.2 很直观，也有一些清晰的示例：
但是现在不推荐使用 2.2，最近的库 3.0+
特别是包：
org.apache.commons.math3.ode
org.apache.commons.math3.ode.events
org.apache.commons.math3.ode.nonstiff
是替代品，但似乎要复杂得多。我认为新的 ODE 版本的动机是对数据结构和方法进行概括，但很难理解某些类是如何一起使用的（例如 MainStateJacobianProvider、ExpandableStatefulODE、ParameterizedODE），而且在任何地方都没有它的例子Apache 没有更新他们的信息页面。API 文档的信息量不是很大，而且似乎也很模糊。
因此，我不会听起来像是在抱怨所有事情，而是提出一个具体的问题，您将如何使用 3.0 库从上面使用 2.2 演示的示例之一重新编码相同的问题？
这是代码：
algorithm - apache commons math的k-means clusterer是否包含mean方法？
我必须获得 k 均值聚类的方法。目前我正在使用实现 k-means plus plus 聚类算法的 apache commons 数学库。有人知道，是否有一种简单的方法可以在与该库进行集群后获得方法，或者让我自己实现它？
如果没有，你能解释一下如何计算它或给我一个代码示例吗？
java - 使用 MillerUpdatingRegression 类时的 ArrayIndexOutOfBounds 异常
我们已经尝试在我们的一个项目中使用 MillerUpdatingRegression 类并遇到了问题。在创建类的实例、提供期望的变量数量并从整个样本集中添加观察值后，我们调用“regress(int[])”方法，通知回归过程我们希望包含哪些变量（整个预测器集的子集）。
当我们这样做时，我们会在该过程中收到一个 ArrayIndexOutOfBounds 异常，因为预期的变量数（nvars，在 MillerUpdatingRegression 类被实例化时提供）小于传递给“regress(int[])”方法的变量数. 我们的理解是，这个整数数组可以是所有观察结果的预测指标的子集。
有谁知道我们在这里缺少什么？
==== 已更新代码 ====
double predictorData[][] = new double[n][125];
double predictions[] = new double[n];
//predictorData is a [n x 125] two-dimensional array of
//features/predictors with n samples and 125 predictors
//predictionsArray is a n-length array of predictions
//for the sample set
int numberOfPredictorVariables = 125;
boolean includeConstantWhenBuildingModel = true;
MillerUpdatingRegression regression = new MillerUpdatingRegression(numberOfPredictorVariables,includeConstantWhenBuildingModel);
regression.addObservations(predictorData,predictionsArray)
int predictorsToIncludeInRegression[] = {0,3,9,11};
regression.regress(predictorsToIncludeInRegression);
//this is where the ArrayIndexOutOfBounds exception is generated
java - BobyQA 更改起点并计算次优结果？
我正在尝试使用 Apache Commons Math 的 BobyQA 算法进行有界非线性优化。
我知道最佳值（使用matlab的信任范围反射算法找到它）并且我对以下内容感到困惑：
我将 BobyQA 的起点设置为最佳，它评估的第一个点不是我指定的起点，而是更改的次优起点（它更改了第一个参数）。而且，更进一步，它没有找到最小值。
示例（最优的最小二乘 - 起点）：
lsq(optimal) = 5.526374615719567E9 for [1.0141E-7, 81.15, 119.03, 32.0, 0.36652, 4.317, 8.5167, 17.3, 16.470001, 100.13, 11.242, 29.042, 18.871, 29.92, 36.147, 87.826, 21.287]
然后我以该起点运行 BobyQA，并在第一次迭代中修改第一个参数（从 1.0141E-7 到 0.026117）：
lsq(1) = 1.7374657025186486E19 for [0.02611793333333286, 81.15, 119.03, 32.0, 0.36652, 4.317, 8.5167, 17.3, 16.496117933333334, 100.13, 11.223249066666666, 29.042, 18.871, 29.92, 36.147, 87.826, 21.287]
最后它在以下位置达到次优解决方案：
lsq(274) = 5.526621213826441E9 for [1.0115737485704292E-7, 81.14883064785045, 119.02964714352679, 32.00103316109643, 0.36615877961432247, 4.317235538618653, 8.516900515414736, 17.293306813210172, 16.496079045753113, 100.12980568809833, 11.22341107874299, 29.042103684597272, 18.870381140825014, 29.919895452015545, 36.14745517499619, 87.82657624240575, 21.288471755903668]
其中 5.5266E9 大于 5.5263E9。
我究竟做错了什么？
谢谢，
伊戈尔