Спасибо за ответ.
Я с ним работал. Глубоко не копал. Мне нужна была стабилизация. Пробовал Магдвика на Ардуино. И их собственный DMP. Чисто на практике. Их соственный DMP оказался удобней. Не грузит Ардуино, а для меня было критичным передача данных с фиксированным (не переменным) лагом. Быстро поправляется, если обездвижить. Фильтр Магдвига, я так и не понял как настраивать). Он иногда давал необъяснимые большие всплески. И судя по вашей статье, возможно (может ошибаюсь), это «фича» алгоритма, в отсутствие внешних датчиков. Invensense вроде пишет, что их собственный алгоритм учитывает все датчики, и акселерометр и гироскопы (на одной вафле), а фильтр магдвига (судя по коду который я использовал) этого не делает.
Вот это уже похоже на правду. ) Я бы, на вашем месте, включил бы этот комментарий в описание задачи.
Такую задачу можно браться решать. За разумное время и разумный бюджет.
Можно начать с метода главных компонент для понижения размерности. А затем взять какой нибудь простой классификатор, для начала. Если правильно определить большинство (среднее, медианное, или хитрее) можно попробовать начать с пороговых классификаторов.
Отбрасываю опираясь на собственный опыт. К сожалению, ничего точнее сказать нельзя не изучив конкретно вашу задачу(задачи).
Если вы хотите _только_ «У всех менеджерам по продажам примерно одинаковый оборот, рентабельность (прибыль), однако у одного нетипично много возвратов по гарантии.» такие случаи обнаруживать. То это решаемая (решенная, например системы безопасности серверов по анализу трафика) задача (класс задач, не обязательно менеджер и необязательно продажи любые отклонения от «стандартного» поведения. Дальше нужно аккуратно определить, что понимается под «стандартным»).
Но мне кажется, вы хотите еще что-то. Вам было бы полезно перечислить в постановке набор хотя бы основных (важных для бизнеса) случаев.
Без разницы ) Интерполяция это самый простой случай обучения с учителем. Если вы много знаете о функции то задача решается легко. (Простейший случай. По двум точкам найти уравнение прямой на плоскости. Обучающая выборка 2 точки. Но вы должны точно знать что это уравнение прямой. Коган вам примерно это и предложил. Опишите известные в рамках ваше предметной деятельности «уравнения» и способы их решения. Сделайте набор таких «уравнений». А дальше если повезет, то местами буду обобщения) Но вы скорее всего мало знаете о своей «функции» ) Уже по факту метода сбора и дискретизации данных в вашей задаче у вас нет уверенности, что «функция» хотя бы непрерывна.
Я не хочу вас испугать или отговорить ) Просто указываю, на мой взгляд, оптимальный путь. Ведь если существует решение в общем виде, таким способом вы его почти наверняка найдете. А если его не существует, то вы получите хотя бы часть решения, которое вполне возможно будет удовлетворять бизнес требованиям.
DmitryKogan в целом сказал правильно. Просто не счел нужным расшифровать. Ваша формулировка задачи действительно слишком общая. Почему?
Пара простых примеров. «Классический вектор — последовательность событий с привязкой ко времени.» Возьмем например график курса доллара. Задача казалось бы простая, но до сих пор никому не удалось построить хорошего робота для торговли на бирже в сколько нибудь долгосрочной перспективе. Все крупные ушли в HFT.
Есть два принципиально различающихся метода «прогноза». С учителем и без.
Все сколько нибудь результативные применения нейронных сетей в настоящее время работают по первому методу и строятся на обучающей выборке. (Да, Гугл написал «что-то» что само без учителя находит котиков. Ваша задача находить котиков? У вас есть ресурсы доступные Гуглу?) У вас есть обучающая выборка? Какая?
Если вы посмотрите, например, как устроен поиск внутри Гугла или Яндекса, то вы обнаружите там примерно то, что порекомендовал вамDmitryKogan.
П.С. Занимаюсь этим уже больше 10 лет. Могу проконсультировать.)
Я с ним работал. Глубоко не копал. Мне нужна была стабилизация. Пробовал Магдвика на Ардуино. И их собственный DMP. Чисто на практике. Их соственный DMP оказался удобней. Не грузит Ардуино, а для меня было критичным передача данных с фиксированным (не переменным) лагом. Быстро поправляется, если обездвижить. Фильтр Магдвига, я так и не понял как настраивать). Он иногда давал необъяснимые большие всплески. И судя по вашей статье, возможно (может ошибаюсь), это «фича» алгоритма, в отсутствие внешних датчиков. Invensense вроде пишет, что их собственный алгоритм учитывает все датчики, и акселерометр и гироскопы (на одной вафле), а фильтр магдвига (судя по коду который я использовал) этого не делает.
Такую задачу можно браться решать. За разумное время и разумный бюджет.
Можно начать с метода главных компонент для понижения размерности. А затем взять какой нибудь простой классификатор, для начала. Если правильно определить большинство (среднее, медианное, или хитрее) можно попробовать начать с пороговых классификаторов.
Если вы хотите _только_ «У всех менеджерам по продажам примерно одинаковый оборот, рентабельность (прибыль), однако у одного нетипично много возвратов по гарантии.» такие случаи обнаруживать. То это решаемая (решенная, например системы безопасности серверов по анализу трафика) задача (класс задач, не обязательно менеджер и необязательно продажи любые отклонения от «стандартного» поведения. Дальше нужно аккуратно определить, что понимается под «стандартным»).
Но мне кажется, вы хотите еще что-то. Вам было бы полезно перечислить в постановке набор хотя бы основных (важных для бизнеса) случаев.
Я не хочу вас испугать или отговорить ) Просто указываю, на мой взгляд, оптимальный путь. Ведь если существует решение в общем виде, таким способом вы его почти наверняка найдете. А если его не существует, то вы получите хотя бы часть решения, которое вполне возможно будет удовлетворять бизнес требованиям.
Пара простых примеров. «Классический вектор — последовательность событий с привязкой ко времени.» Возьмем например график курса доллара. Задача казалось бы простая, но до сих пор никому не удалось построить хорошего робота для торговли на бирже в сколько нибудь долгосрочной перспективе. Все крупные ушли в HFT.
Есть два принципиально различающихся метода «прогноза». С учителем и без.
Все сколько нибудь результативные применения нейронных сетей в настоящее время работают по первому методу и строятся на обучающей выборке. (Да, Гугл написал «что-то» что само без учителя находит котиков. Ваша задача находить котиков? У вас есть ресурсы доступные Гуглу?) У вас есть обучающая выборка? Какая?
Если вы посмотрите, например, как устроен поиск внутри Гугла или Яндекса, то вы обнаружите там примерно то, что порекомендовал вамDmitryKogan.
П.С. Занимаюсь этим уже больше 10 лет. Могу проконсультировать.)