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);
}
//грузим регрессионную модель
private int LoadRegress(int id)
{
DBWorker dbConnection = new DBWorker();
if (dbConnection.isConnected)
{
DataTable modelTable = dbConnection.LoadModel(DbSelect.SelectReg, id);
if (W.task == null) W.task = new DataPlavka(dbConnection.GetPlavka(DbSelect.Columns, null)); //берем список параметров
if (modelTable == null)
{
if (W.modelRegress != null) W.modelRegress.buildInfo = -3;
return -1;
}
if (modelTable.Rows.Count == 0) return 0;
W.modelRegress = new RegressionModel(id);
W.modelRegress.date = Convert.ToDateTime(modelTable.Rows[0]["DATE_REG"]);
W.modelRegress.GOST = modelTable.Rows[0]["GOST_ID"].ToString();
W.modelRegress.mark = modelTable.Rows[0]["MARKA"].ToString() + " " + modelTable.Rows[0]["VYTYAZHKA"].ToString();
//W.task.GOST = W.modelRegress.GOST;
//W.task.mark = W.modelRegress.mark;
//формируем массив факторов Х
for (int i = 0; i < W.task.xAll.Count; i++)
if (modelTable.Rows[0][W.task.xAll[i].name] != System.DBNull.Value)
W.modelRegress.x.Add(i);
for (int i = 0; i < W.modelRegress.x.Count; i++) //проверяем простая или точная модель
if (modelTable.Rows[0][W.task.xAll[W.modelRegress.x[i]].name + "_F"] != System.DBNull.Value) { W.modelRegress.isUpgraded = true; break; }
if (W.modelRegress.isUpgraded)
{
W.modelRegress.typesF = new int[W.modelRegress.x.Count];
for (int i = 0; i < W.modelRegress.x.Count; i++)
W.modelRegress.typesF[i] = Convert.ToInt32(modelTable.Rows[0][W.task.xAll[W.modelRegress.x[i]].name + "_F"]);
}
for (int i = 0; i < modelTable.Rows.Count; i++) //каждая строка - модель
{
W.modelRegress.y.Add(Convert.ToInt32(modelTable.Rows[i]["Y_ID"]));
//W.task.y.Add(Convert.ToInt32(modelTable.Rows[i]["Y_ID"]));
double[] weights = new double[W.modelRegress.x.Count + 1]; //последний - свобоный ЧЛЕН
for (int j = 0; j < W.modelRegress.x.Count; j++)
weights[j] = Convert.ToDouble(modelTable.Rows[i][W.task.xAll[W.modelRegress.x[j]].name]);
weights[W.modelRegress.x.Count] = Convert.ToDouble(modelTable.Rows[i]["A"]);
RegEquation modelOne = new RegEquation(weights, Convert.ToDouble(modelTable.Rows[i]["FISHER"]),
Convert.ToDouble(modelTable.Rows[i]["FISHER_VAL"]), Convert.ToDouble(modelTable.Rows[i]["RMSERROR"]));
modelOne.descr = W.task.yAll[W.modelRegress.y[i]].description;
if (modelOne.F_test == 0) modelOne.F_test = 1.0e-16;
W.modelRegress.equation.Add(modelOne);
}
}
dbConnection.CloseConnection();
return 1;
}
private int LoadRegress(int id) //грузим регрессионную модель
{
DBWorker dbConnection = new DBWorker();
if (dbConnection.isConnected)
{
DataTable modelTable = dbConnection.LoadModel(DbSelect.SelectReg, id);
if (W.task == null)
{
W.task = new DataPlavka(dbConnection.GetPlavka(DbSelect.Columns, null)); //берем список параметров
}
if (modelTable == null)
{
if (W.modelRegress != null)
{
W.modelRegress.buildInfo = -3;
}
return(-1);
}
if (modelTable.Rows.Count == 0)
{
return(0);
}
W.modelRegress = new RegressionModel(id);
W.modelRegress.date = Convert.ToDateTime(modelTable.Rows[0]["DATE_REG"]);
W.modelRegress.GOST = modelTable.Rows[0]["GOST_ID"].ToString();
W.modelRegress.mark = modelTable.Rows[0]["MARKA"].ToString() + " " + modelTable.Rows[0]["VYTYAZHKA"].ToString();
//W.task.GOST = W.modelRegress.GOST;
//W.task.mark = W.modelRegress.mark;
//формируем массив факторов Х
for (int i = 0; i < W.task.xAll.Count; i++)
{
if (modelTable.Rows[0][W.task.xAll[i].name] != System.DBNull.Value)
{
W.modelRegress.x.Add(i);
}
}
for (int i = 0; i < W.modelRegress.x.Count; i++) //проверяем простая или точная модель
{
if (modelTable.Rows[0][W.task.xAll[W.modelRegress.x[i]].name + "_F"] != System.DBNull.Value)
{
W.modelRegress.isUpgraded = true; break;
}
}
if (W.modelRegress.isUpgraded)
{
W.modelRegress.typesF = new int[W.modelRegress.x.Count];
for (int i = 0; i < W.modelRegress.x.Count; i++)
{
W.modelRegress.typesF[i] = Convert.ToInt32(modelTable.Rows[0][W.task.xAll[W.modelRegress.x[i]].name + "_F"]);
}
}
for (int i = 0; i < modelTable.Rows.Count; i++) //каждая строка - модель
{
W.modelRegress.y.Add(Convert.ToInt32(modelTable.Rows[i]["Y_ID"]));
//W.task.y.Add(Convert.ToInt32(modelTable.Rows[i]["Y_ID"]));
double[] weights = new double[W.modelRegress.x.Count + 1]; //последний - свобоный ЧЛЕН
for (int j = 0; j < W.modelRegress.x.Count; j++)
{
weights[j] = Convert.ToDouble(modelTable.Rows[i][W.task.xAll[W.modelRegress.x[j]].name]);
}
weights[W.modelRegress.x.Count] = Convert.ToDouble(modelTable.Rows[i]["A"]);
RegEquation modelOne = new RegEquation(weights, Convert.ToDouble(modelTable.Rows[i]["FISHER"]),
Convert.ToDouble(modelTable.Rows[i]["FISHER_VAL"]), Convert.ToDouble(modelTable.Rows[i]["RMSERROR"]));
modelOne.descr = W.task.yAll[W.modelRegress.y[i]].description;
if (modelOne.F_test == 0)
{
modelOne.F_test = 1.0e-16;
}
W.modelRegress.equation.Add(modelOne);
}
}
dbConnection.CloseConnection();
return(1);
}
