Search
Write a publication
Pull to refresh

Comments 21

Картинки очень красивы. А теперь можно вывод развернуть для тех, кто в танке?
Вывод. Скорее, Вашему вниманию предложен инструмент, помогающий в производстве выводов.
Выводы стоит делать для конкретной задачи, описанные данные намерено взяты достаточно понятными, исключительно для демонстрации. Хотя, разницу в часовых поясах из них можно вывести :)
И какие выводы следует сделать из примера, рассмотренного в статье? Какую «чёрную кошку» вы нашли?
Исходные данные интуитивно понятны и сильно коррелированы.
Не нужно рисовать никаких картинок чтобы понять это.
Однако, например, накладывая на них шум мы делаем картину не столь тривиальной.
Обратите внимание, что даже когда шум соизмерим с одним образцом данных и вдвое превышает второй, глаз легко вылавливает полосы из получившейся картинки. Что глядя на исходные данные не так очевидно.

Построив таким образом автокорреляцию, можно, поиграв с шириной диапазонов, можно легко обнаружить когда динамический процесс находится в похожих состояниях.

Я просто как раз изучаю подобные инструменты, так как аспирант-врач. Но я не очень понимаю, что я должен увидеть в цветных полосах. Потому и попросил разжевать вывод.
Возможно, частично ответил выше.
Описанный инструмент может дать ответы на те вопросы, которые вы ему задаете.
Но сформулировать вопросы вы должны сами.
Что я Вам плохого сделал, чтобы так меня оскорблять? :)
И какие вопросы вы сформулировали в топике, и какие ответы получили? Непонятно… А то «числа, числа»…
И правда, нет примеров какие выводы можно сделать из всех преобразований.
Что можно вынести из основного графика: утро в Иркуцке начинается чуть раньше, скорее всего из-за часовых поясов, соотношение количества машин на дорогу относительно Екб. гораздо меньше, что скорее всего связано с плотностью населения, больше варьируется конец рабочего дня, что разгружает дороги; Екб. как и любой большой российский город стоит утром и вечером в жутких пробках, днём пробки чуть поменьше.
Что можно вынести из преобразований для «не очевидных» моментов я так и не понял.
Эти методы очень могут понадобиться, но пример в статье действительно неудачный. Нужны совершенно не очевидные корелляции, которые после преобразований внезапно показывают зависимости.
Попробуйте recurrence plot и ему подобные методы, получите не менее интересную визуализацию. А вообще, посмотрите в сторону вейвлет-анализа, сможете извлечь не только качественную, но и количественную информацию о динамике процесса.
UFO landed and left these words here
Поздравляю, вы изобрели автокорреляцию
Пример, конечно, можно было и по-лучше выбрать. Периодичность в сутки в данном примере просто дико очевидна.
Да ладно, куда мне.
Я всего лишь предложил прием, с помощью которого можно визуализировать в том числе и автокорреляцию.

Минус поставил не я, но суть его в том, что подобная визуализация — первое, что приходит на ум, если ты знаком с этим алгоритмом и его нужно построить от двух графиков одновременно.

Если бы вы привели пример анализа полученных данных, выбрали бы более интересный пример, хотя бы расширили статью формулами, а не просто заполнили текстом — с нее было бы больше смысла.
Это называется Когнитивная графика, название красивое, но ничего особенного, да можно посмотреть на картинку генератора случайных чисел и проявить закономерности на определённых дипазонах, но эти закономерности так же можно посчитать с помощью специальных методик, которые к тому же дадут численную меру, которую реально можно будет с чем-то сравнивать и понимать хуже или — лучше. А такие штуки, это когда я не знаю куда копать дай-ка посмотрю, по сути антинаучно, но если дело совсем плохо, то можно посмотреть красивые картинки и поискать закономерности.
Ну… упомянутые вами специальные методики тоже должен кто-то составлять.
Глаз ловит закономерности, которые и описать то трудно.
И да, быть любознательным это не так уж и плохо, даже если и антинаучно.
Sign up to leave a comment.

Articles