我有一個由 N 個元素組成的列表。就上下文而言，我正在進行時間序列預測，并且 - 一旦做出預測 - 希望對開始時所做的預測進行加權，使其比后來的預測更重要。這很有用，因為當我計算性能錯誤分數 ( MAPE ) 時，該分數將代表每個項目的預測，以及基于我想要識別好模型和壞模型的方式。我應該如何更新我現有的函數以獲取任何元素列表 (N) 以生成這些穩步下降的權重？這是我自己提出的功能。它適用于類似的例子compute_equal_perc(5)，但不適用于其他組合......def compute_equal_perc(rng): perc_allocation = [] equal_perc = 1 / rng half_rng = rng / 2 step_val = equal_perc / (rng - 1) print(step_val) for x in [v for v in range(0, rng)]: if x == int(half_rng): perc_allocation.append(equal_perc) elif x < int(half_rng): diff_plus = ((abs(int(half_rng) - x) * step_val)) + equal_perc perc_allocation.append(round(float(diff_plus), 3)) elif x >= int(half_rng): diff_minus = equal_perc - ((abs(int(half_rng) - x) * step_val)) perc_allocation.append(round(float(diff_minus), 3)) return perc_allocation對于compute_equal_perc(5)，我得到的輸出是：[0.3, 0.25, 0.2, 0.15, 0.1]此sum序列的 應始終等于 1，并且值之間的增量應始終相等。
1 回答
qq_花開花謝_0
TA貢獻1835條經驗 獲得超7個贊
這可以通過應用基本代數來解決。算術序列定義為
A[i] = a + b*i, for i = 0, 1, 2, 3, ... where a is the initial term
元素序列 0 到 n 的總和是
S = (A[0] + A[n]) * (n+1) / 2
換句話說，第一個和列表項的總和乘以一半的項數。
既然你知道S和n，你只需要再決定一個“傳播”因子來生成你的序列。平均元素必須是1/n- 這是您的算法錯誤的地方，因為它會為偶數的n.
您的代碼在這組語句中失敗：
half_rng = rng / 2 step_val = equal_perc / (rng - 1) # comparing x to int(half_rng)
如果rng是偶數，則將平均值分配給 position rng/2，從而為您提供諸如 4 個元素的列表：
[0.417, 0.333, 0.25, 0.167]
這意味著您有兩個大于所需平均值的元素，只有一個小于所需的平均值，這迫使總和超過 1.0。相反，當你有偶數個元素時，你必須讓均值成為一個“幻影”中間元素，并在它周圍采取半步。讓我們用分數來看看：你已經有了
[5/12, 4/12, 3/12, 2/12]
您的差異是 1/12 ... 1 / (n * (n-1))...您需要將這些值降低半步。相反，您選擇的散布 (1/12) 的解決方案將開始半步：從每個元素中減去 1/24。
[9/24, 7/24, 5/24, 3/24]
你也可以用一個簡單的線性因子來改變你的步數。用簡單的整數決定你想要的元素的比率，例如5:4:3:2，然后從 5+4+3+2 的明顯總和生成你的權重：
[5/14, 4/14, 3/14, 2/14]
請注意，這適用于任何整數的算術序列，這是選擇“傳播”的另一種方式。如果你使用4:3:2:1你會得到
[4/10, 3/10, 2/10, 1/10]
或者您可以將它們更緊密地聚集在一起，例如，13:12:11:10
[13/46, 12/46, 11/46, 10/46]
所以......選擇你想要的傳播并簡化你的代碼以利用它。
添加回答
舉報
0/150
提交
取消