问题标签 [prediction]

我试图让这段代码工作：
http ://scanplaygames.com/?p=168 （也在stackoverflow上）： 将GestureOverlayView添加到我的SurfaceView类，如何添加到视图层次结构？

我运行了代码并添加了打印出预测的标签。

... 之后，当我绘制手势时，会打印出一个空数组。

我究竟做错了什么？我怎么知道正在绘制哪些手势？这种方法是如何工作的？

另外，我的手势文件可能有问题吗？我只是不确定。

非常感谢。

我使用了自动 ARIMA 并得到了这样的结果：

除了警告之外，残差也太大了。

可能是 Auto Arima 创建了一个错误的模型，我该如何改进这个模型？

我知道如何检查两个圆圈是否相互交叉。但是，有时圆圈移动得太快，最终会避免在下一帧发生碰撞。

我目前对该问题的解决方案是在前一个位置和当前位置之间检查任意次数的圆-圆碰撞。

有没有一种数学方法可以找到两个圆碰撞所需的时间？如果我能够得到那个时间值，我可以将圆圈移动到当时的位置，然后在那个点碰撞它们。

编辑：恒速

我使用 ARIMA 的季节性周期为“周”，有 672 个测量值，如下所示：

如何将这两个季节性结合起来，并在同一时间将每日季节性“96”与一周季节性一起使用？

我有一个基于多层神经网络的估计器，它输入车辆过去的到达时间并估计下一辆车的到达时间（使用反向传播算法）。基于某个阈值（例如，10 秒），估计器将预测时间分类为高或低（1 或 0）。我的问题是，根据观察和预测/估计的到达时间（1 和 0），我如何计算整体预测的准确性（或正确的预测率）？

我在学校的 Java 作业上遇到了一些麻烦。我们需要编写一个程序来进行某些手机使用的 T9 Word 文本预测。它应该接受用户输入的数字，找到与这些数字对应的每个可能的字母组合，在字典中搜索每个可能的组合，并显示在字典中找到的组合。这个程序的大部分内容都是教授为我们编写的，我只需要填写进行可能性组合的 predictText 方法。它通过调用另一种使用递归二进制搜索的方法进行搜索，虽然我很确定我的搜索方法运行良好，但我也必须自己填写。这是我的 predictText 方法，其中参数“letter”是当前正在处理的字母，

我得到的结果是它只显示单个字母，它似乎没有将字母组合成单词并在字典中搜索那些完整的单词。以防万一需要进一步解释，这里是分配说明：

“您将从输入字符串中取出第一个数字，然后再次调用 predictText，对于第一个数字可以表示的每个可能的字母一次，将字母添加到变量单词中，并从输入中删除第一个数字。例如, 如果第一次进入 predictText 单词为空且输入为“4663”，您将递归调用 predictText 3 次： • 单词为“g”，输入为“663”， • 单词为“h”，输入为“663” ”, • 单词为“i”，输入为“663” 该过程将重复，并且您将继续构建单词（因此对于单词为“g”且下一个数字为6，您将递归调用“gm ”、“gn”和“go”，输入为“63”）一旦没有更多的输入需要递归处理，你就达到了一个基本情况，然后调用搜索方法来查看你生成的单词是否存在于字典。如果是的话，将其添加到 wordMatches 列表中。”

编辑：我还认为我应该包括我的搜索方法代码，以防万一它确实导致了我的问题。

我正在做一个交通流量预测，我可以预测一个地方的交通繁忙或轻微。我将每个流量分类为 1-5，1 是最轻的流量，5 是最重的流量。

我遇到了这个网站http://www.waset.org/journals/waset/v25/v25-36.pdf，AdaBoost 算法，我真的很难学习这个算法。特别S是在集合 (( xi, yi), i=(1,2,…,m)) 的部分。哪里Y={-1,+1}。什么是x和y常数L？的价值是L多少？

有人可以解释一下这个算法吗？:)

我有一些类似时期的数据集。是那天人的介绍，时间大约一年。数据不是定期收集的，而是相当随机的：每年有 15-30 个条目，来自 5 个不同的年份。

从每年的数据中绘制的图表大致如下所示： 使用 matplotlib 制作的图表。我有datetime.datetime, int格式的数据。

是否有可能以任何明智的方式预测未来的事情会如何发展？我最初的想法是计算所有先前事件的平均值并预测它会是这样。但是，这并没有考虑到当年的任何数据（如果它一直高于平均水平，那么猜测应该会略高一些）。

数据集和我的统计知识是有限的，所以每一个见解都是有帮助的。

我的目标是首先创建一个原型解决方案，以测试我的数据是否足以满足我正在尝试做的事情，并且在（潜在的）验证之后，我会尝试一种更精致的方法。

编辑：不幸的是，我从来没有机会尝试收到的答案！我仍然很好奇这种数据是否足够，如果有机会我会记住这一点。谢谢你的所有答案。

在计算机体系结构中，

（分支）预测和推测有什么区别？

这些看起来非常相似，但我认为它们之间存在细微差别。

我正在使用非负矩阵分解和非负最小二乘法进行预测，并且我想根据给定的数据量评估预测的好坏。例如原始数据是

现在我想看看当给定数据不完整时我能重建原始数据有多好：

我想对大数据集中的每个示例都这样做。现在的问题是，原始数据的正数据量不同，在上面的原始数据中有 4 个，但对于数据集中的其他示例，它可能或多或少。假设我进行了一轮评估，给出了 4 个正例，但我的数据集的一半只有 4 个正例，另一半有 5,6 或 7 个。我应该排除有 4 个正例的那一半，因为它们没有丢失数据使“预测”更好？另一方面，如果我排除数据，我会更改训练集。我能做些什么？或者在这种情况下我根本不应该用 4 进行评估？

编辑：

基本上我想看看我能重建输入矩阵有多好。为简单起见，假设“原始”代表观看了 4 部电影的用户。然后我想知道我能预测每个用户有多好，仅基于用户实际观看的一部电影。我得到了很多电影的预测。然后我绘制 ROC 和 Precision-Recall 曲线（使用预测的 top-k）。我将用用户实际观看的 n 部电影重复所有这些。对于每个 n，我都会在我的图中得到一条 ROC 曲线。当我使用例如用户实际观看的 4 部电影来预测他观看的所有电影时，但他只看了这 4 部电影，结果变得太好了。

我这样做的原因是为了看看我的系统需要多少“观看电影”才能做出合理的预测。如果它在已经观看了 3 部电影时只返回好的结果，那在我的应用程序中就不会那么好了。