public RegressionModel LinReg(bool isUpgraded) //строим линейную регрессию для одного У
{
RegressionModel models = new RegressionModel(x, y, isUpgraded);
models.GOST = GOST;
models.mark = mark;
int[] typesF = new int[x.Count];
int numNotes = data.GetLength(0);
int numParams = x.Count;
int info = 100; //результат выполнения подпрограммы alglib
double[,] xy = new double[numNotes, numParams + 1]; //таблица из всех иксов и одного у
//подготавливаем массив данных
if (!isUpgraded) //для простой модели просто переносим все данные
{
for (int i = 0; i < numNotes; i++)
{
for (int j = 0; j < numParams; j++)
{
xy[i, j] = data[i, y.Count + j]; //Convert.ToDouble(plavka.Rows[i].ItemArray[y.Count + j]); //поскольку сначала все y
}
}
}
else
{
typesF = UpgradeFuncModel();
}
for (int i = 0; i < y.Count; i++) //для каждого свойства y
{
if (isUpgraded) //для улучшенной модели применяем функции
{
for (int k = 0; k < numNotes; k++)
{
for (int j = 0; j < numParams; j++)
{
xy[k, j] = FunctionTypeConverter.CalcFx(typesF[j], data[k, y.Count + j]); // Convert.ToDouble(plavka.Rows[k].ItemArray[y.Count + j]));
}
}
models.typesF = typesF;
}
for (int j = 0; j < numNotes; j++)
{
xy[j, numParams] = data[j, i];// Convert.ToDouble(plavka.Rows[j].ItemArray[i]); //заполняем последний столбец для нужного свойства
}
//строим 1 модель для конкретного свойства
RegEquation model = BuildOneModel(xy, numParams, numNotes, ref info);
if (info < 0) //ошибка произошла, возвращаем ее в классе модели
{
models.buildInfo = info;
return(models);
}
models.equation.Add(model);
}
return(models);
}
public double Calculate(double[] x, int[] typesF)
{
double result = 0;
for (int i = 0; i < x.Length; i++)
{
result += FunctionTypeConverter.CalcFx(typesF[i], x[i]) * weights[i];
}
result += weights[x.Length]; //прибавляем свободный член
return(result);
}
private int[] UpgradeFuncModel() //находим функции для Х, при которых ковариация с У максимальна
{
int[] funcTypes = new int[x.Count];
int numNotes = data.GetLength(0);
int numParams = x.Count;
for (int i = 0; i < numParams; i++) //для каждого параметра
{
double[] Y = new double[numNotes], Xbase = new double[numNotes], X = new double[numNotes];
for (int w = 0; w < numNotes; w++)
{
Xbase[w] = data[w, y.Count + i]; //начальный массив X
}
double max_sum = -1;
for (int k = 0; k < FunctionTypeConverter.funcNum; k++)
{
double temp_sum = 0;
for (int w = 0; w < numNotes; w++)
{
X[w] = FunctionTypeConverter.CalcFx(k, Xbase[w]);
}
for (int j = 0; j < y.Count; j++) //суммируем корреляции со всеми У
{
for (int w = 0; w < numNotes; w++)
{
Y[w] = data[w, j]; //Convert.ToDouble(plavka.Rows[w].ItemArray[j]); //заполнили массив свойства
}
temp_sum += Math.Pow(alglib.pearsoncorr2(X, Y), 2);
}
if (temp_sum > max_sum)
{
max_sum = temp_sum;
funcTypes[i] = k;
}
}
}
return(funcTypes);
}