Оптимизация двух переменных

@Constpwi · Регистрация: 07.05.2013

Студворк — интернет-сервис помощи студентам

Здравствуйте, оговорю сразу, математически я не подкован, а задача, как мне кажется, из ее поля.
Перейду сразу к делу, у меня есть функция прогнозирования продаж, она возвращает среднюю процентную ошибку(mape)
В общем виде функция выглядит так:
increment[i] = increment[i-1] + (1 - beta) * (1 - beta) * errors[i-1]
forecast[i] = forecast[i-1] + increment[i-1] +(1 - beta*beta) * errors[i-1]
errors[i] = sales_[i+1] - forecast[i]
ap_errors[i] = abs(errors[i]/sales_[i+1]) * 100
где mape = среднее значение(ap_errors)
Как видно, есть переменные alpha и beta, которые 0<alpha<1, 0<beta<1
Задача стоит в оптимизации этих переменных с целью уменьшения mape.
Цикл в цикле, пробегающий все значения, не подходит, так как занимает много времени.
Как решить эту задачу, если можно немного подоходчивее.
Если что-то надо добавить еще то напишите.

Evg · 12.02.2017, 14:40

Сообщение от Constpwi

Как видно, есть переменные alpha и beta, которые 0<alpha<1, 0<beta<1

alpha я не увидел. Вероятно, в каком-то месте вместо неё написана beta

Сообщение от Constpwi

Задача стоит в оптимизации этих переменных с целью уменьшения mape

Что ты вкладываешь в понятие "оптимизация"? Нужно подобрать значения alpha и beta, чтобы mape было минимальное или что?

@Constpwi · 12.02.2017, 14:46 **[ТС]**

Сообщение от Evg

Что ты вкладываешь в понятие "оптимизация"? Нужно подобрать значения alpha и beta, чтобы mape было минимальное или что?

Да, минимизировать map

Сообщение от Evg

alpha я не увидел. Вероятно, в каком-то месте вместо неё написана beta

Я вставил не тот код,
for(i in 2 : (l-1))
{
if(i == 2)
{
forecast[i] = alpha * forecast[i-1] + (1 - alpha) * (sales_[i] + bt[i-1])
errors[i] = sales_[i+1] - forecast[i]
ap_errors[i] = abs(errors[i] / sales_[i+1]) * 100
}
else
{
forecast[i] = alpha * forecast[i-1] + (1 - alpha) * (sales_[i] + bt[i-1])
bt[i] = beta * (forecast[i] - forecast[i-1]) + (1 - beta) * bt[i-1]
errors[i] = sales_[i+1] - forecast[i]
ap_errors[i] = abs(errors[i] / sales_[i+1]) * 100
}
}

@Excalibur921 · 13.02.2017, 00:13

Сообщение от Constpwi

функция прогнозирования продаж

Не форекс ли? =). Очень сомнительно что такие существуют. Скорей всего это нельзя оптимизировать никак, как и предсказать.
Как насчет для начала построить график продаж?
x- номер [i]
y-количество продаж или что там у вас.

@Constpwi · 13.02.2017, 13:30 **[ТС]**

Сообщение от Excalibur921

Не форекс ли? =). Очень сомнительно что такие существуют. Скорей всего это нельзя оптимизировать никак, как и предсказать.
Как насчет для начала построить график продаж?
x- номер [i]
y-количество продаж или что там у вас.

Нет, не форекс, задание в университете, график это понятно, но я постараюсь объяснить в чем суть. У меня есть вектор продаж, уже сделанных, допустим мы находимся в момент времени 1, у нас есть результат сегодняшних продаж, и нам предлагается, опираясь на сегодняшний результат(в общем случае на какой угодно предыдущий результат продаж) предсказать завтрашние продажи. Так вот, на занятии мне были предложены эти формулы расчета прогноза, которые зависят от альфа и бета 0<alpha<1, 0<beta<1. И моя задача подобрать такие альфа и бета, чтобы минимизировать ошибки прогноза(errors), а посредством этого минимизировать среднюю процентную ошибку(mape). Выше я предложил один из методов прогнозирования, он не вызывает доверия, так как довольно древний(вроде 60-70 годы).

@Excalibur921 · 13.02.2017, 14:11

В моем понимании продажи функция нелинейная ее нельзя экстраполировать.
Скорей всего у вас выдуманные данные типа гармонического сигнала с шумом чисто для учебы.
Яж говорю покажите график =).

Сообщение от Constpwi

довольно древний(вроде 60-70 годы).

Мне кажется тут ничего нового не будет. Выбираете аппроксимирующую функцию на основе формы сигнала(вот тут и нужно видеть весь график). И минимизируете сумму квадратов отклонений в N точках.

Новые блоги и статьи Все статьи Все блоги /
Хочу заставить корпорации вкладываться в здоровье сотрудников: делаю мат модель здравосохранения anaschu 22.03.2026 e7EYtONaj8Y Z4Tv2zpXVVo https:/ / github. com/ shumilovas/ med2. git	1С: Программный отбор элементов справочника по группе Maks 22.03.2026 Установка программного отбора элементов справочника "Номенклатура" из модуля формы документа. В качестве фильтра для отбора справочника служит группа номенклатуры. Отбор по наименованию группы. . .	Как я обхитрил таблицу Word Alexander-7 21.03.2026 Когда мигает курсор у внешнего края таблицы, и нам надо перейти на новую строку, а при нажатии Enter создается новый ряд таблицы с ячейками, то мы вместо нервных нажатий Энтеров мы пишем любые буквы. . .	Krabik - рыболовный бот для WoW 3.3.5a AmbA 21.03.2026 без регистрации и смс. Это не торговля, приложение не содержит рекламы. Выполняет свою непосредственную задачу - автоматизацию рыбалки в WoW - и ничего более. Однако если админы будут против -. . .
1С: Программный отбор элементов справочника по значению перечисления Maks 21.03.2026 Установка программного отбора элементов справочника "Сотрудники" из модуля формы документа. В качестве фильтра для отбора служит значение перечислений. / / Событие "НачалоВыбора" реквизита на форме. . .	Переходник USB-CAN-GPIO Eddy_Em 20.03.2026 Достаточно давно на работе возникла необходимость в переходнике CAN-USB с гальваноразвязкой, оный и был разработан. Однако, все меня терзала совесть, что аж 48-ногий МК используется так тупо: просто. . .	Оттенки серого Argus19 18.03.2026 Оттенки серого Нашёл в интернете 3 прекрасных модуля: Модуль класса открытия диалога открытия/ сохранения файла на Win32 API; Модуль класса быстрого перекодирования цветного изображения в оттенки. . .	SDL3 для Desktop (MinGW): Рисуем цветные прямоугольники с помощью рисовальщика SDL3 на Си и C++ 8Observer8 17.03.2026 Содержание блога Финальные проекты на Си и на C++: finish-rectangles-sdl3-c. zip finish-rectangles-sdl3-cpp. zip

@Constpwi 3 / 3 / 0 Регистрация: 07.05.2013 Сообщений: 91

	Оптимизация двух переменных 12.02.2017, 14:33. Показов 915. Ответов 5 Метки нет (Все метки) Здравствуйте, оговорю сразу, математически я не подкован, а задача, как мне кажется, из ее поля. Перейду сразу к делу, у меня есть функция прогнозирования продаж, она возвращает среднюю процентную ошибку(mape) В общем виде функция выглядит так: increment[i] = increment[i-1] + (1 - beta) * (1 - beta) * errors[i-1] forecast[i] = forecast[i-1] + increment[i-1] +(1 - betabeta) errors[i-1] errors[i] = sales_[i+1] - forecast[i] ap_errors[i] = abs(errors[i]/sales_[i+1]) * 100 где mape = среднее значение(ap_errors) Как видно, есть переменные alpha и beta, которые 0<alpha<1, 0<beta<1 Задача стоит в оптимизации этих переменных с целью уменьшения mape. Цикл в цикле, пробегающий все значения, не подходит, так как занимает много времени. Как решить эту задачу, если можно немного подоходчивее. Если что-то надо добавить еще то напишите. 0