Temat: Obliczanie współrzędnych punktów (trudne?)

Krzysztof Łatuszyński:

Piotr Golczyk:

Krzysztof Łatuszyński:
i podsumawujac, to mysle, ze jestes w "niezlej dupie".

Świetnie. A to co zaproponowałeś wcześniej też do niczego?

Jest ok, to znaczy dostaniesz jakis rysunek.
Tylko patrzac na to, jak byly zbierane dane, to mam watpliwosci czy ten rysunek bedzie odzwierciedlal rzeczywistosc.

Jesli to jest zabawa w pogrupowanie uzytkownikow portalu internetowego, to jest w porzadku.

Ale jesli chcialbys ogalac pacjentow w badaniach klinicznych i cos robic na podstawie tych danych, to lepiej nie, bo mozesz im przez przypadek zrobic krzywde ;)

Cele mam dwa. Jeden to właśnie ten o którym mówisz - chciałbym aby był w miarę poprawny, czyli nikt nie będzie odczytywał tych danych licząc na dużą precyzyję (aspekt czysto wizualny: "o! Popatrz jestem niezłym ousiderem ;-)". Drugi cel jest bardziej poważny - wypadałoby żeby był bardziej precyzyjny - dotyczy bowiem zarządzania (wciąż nie jeszt to jednak klinika ;-)

Temat: Obliczanie współrzędnych punktów (trudne?)

Tomasz Szmidt:

Piotr Golczyk:

Jak różne osoby odpowiadały na różne pytania, to kiepsko to widzę. Moja propozycja: weź każdego badanego opisz wektorem tej samej długości, którego współrzędne jakoś zbudujesz na podstawie ankiet.

Znajomy szukając otrzymał taką odpowiedź:
1) Nadać losowe współrzędne.
2) Obliczyć błąd np. suma kwadratów różnic odległości danych od bieżących
3) Zmieniać położenie punktu po osi x i y o małą wartość epsilon
4) Obliczyć dla każdego punktu pochodną po x i y
5) Wyznaczyć kierunek minimalizacji dla wszystkich punktów metodą zmiennej
metryki
6) Znaleźć minimum błędu w tym kierunku
7) Jeśli błąd zmalał o więcej niż zadana wartość to skok do punktu 3

Co sądzisz o tym algorytmie?

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr Golczyk:

Tomasz Szmidt:

Piotr Golczyk:

Jak różne osoby odpowiadały na różne pytania, to kiepsko to widzę. Moja propozycja: weź każdego badanego opisz wektorem tej samej długości, którego współrzędne jakoś zbudujesz na podstawie ankiet.

Znajomy szukając otrzymał taką odpowiedź:
1) Nadać losowe współrzędne.
2) Obliczyć błąd np. suma kwadratów różnic odległości danych od bieżących
3) Zmieniać położenie punktu po osi x i y o małą wartość epsilon
4) Obliczyć dla każdego punktu pochodną po x i y
5) Wyznaczyć kierunek minimalizacji dla wszystkich punktów metodą zmiennej
metryki
6) Znaleźć minimum błędu w tym kierunku
7) Jeśli błąd zmalał o więcej niż zadana wartość to skok do punktu 3

Co sądzisz o tym algorytmie?

Troche za malo szczegolow, ale intencja jest zrozumiala.

To wyglada troche jak Langevinowski algorytm poszukiwania macierzy M w przestrzeni macierzy metrycznych budowanych na pelnych danych, ktora w jakims sensie jest najblizsza Twojej macierzy podobienstwa.

1) Tego typu algorytmy dzialaja i dostaniesz jakas macierz M.

2) Gotowe, zaimplementowane procedury do skalowania wielowymiarowego tez zrobia z Twojej macierzy podobienstwa macierz metryczna.

3) Langevin moze dzialac troche lepiej, bo bierze pod uwage strukture danych.

4) Ale nie widze powodu, zeby jedna czy druga metoda dawala cos sensownego. Macierz M, ktora otrzymasz wcale nie musi byc podobna do nieznanej macierzy odleglosci, ktorej nie masz.

5) Estymacje pelnej macierzy (czyli imputacje brakujacych danych) mozna zrobic nadajac strukture sasiedztwa ankietom i rozklady warunkowe wsrod sasiadow i potem uzywac probnika Gibbsa do wygenerowania typowych odpowiedzi na w ankietach, w ktorych dana osoba nie brala udzialu. To bedzie mialo wiecej sensu, jesli chcesz poznac prawde o badanym zjawisku ;)

6) Wszystko, co bedziesz chcial zrobic ponad gotowa procedure skalowania wielowymiarowego w R wymaga ostroznosci i w trakcie pracy pojawia sie rozne klopoty, musisz wiedziec co robisz i co sie dzieje => bedziesz potrzebowal profesjonalisty.

A ja sie juz urywam z tego watka, bo mam wrazenie ze dalsza dyskusja tutaj nie doprowadzi do niczego bardziej konstruktywnego.

Dobrej zabawy! ;)

Temat: Obliczanie współrzędnych punktów (trudne?)

Krzysztof Łatuszyński:

Piotr Golczyk:

Tomasz Szmidt:

Piotr Golczyk:

Jak różne osoby odpowiadały na różne pytania, to kiepsko to widzę. Moja propozycja: weź każdego badanego opisz wektorem tej samej długości, którego współrzędne jakoś zbudujesz na podstawie ankiet.

Znajomy szukając otrzymał taką odpowiedź:
1) Nadać losowe współrzędne.
2) Obliczyć błąd np. suma kwadratów różnic odległości danych od bieżących
3) Zmieniać położenie punktu po osi x i y o małą wartość epsilon
4) Obliczyć dla każdego punktu pochodną po x i y
5) Wyznaczyć kierunek minimalizacji dla wszystkich punktów metodą zmiennej
metryki
6) Znaleźć minimum błędu w tym kierunku
7) Jeśli błąd zmalał o więcej niż zadana wartość to skok do punktu 3

Co sądzisz o tym algorytmie?

Troche za malo szczegolow, ale intencja jest zrozumiala.

To wyglada troche jak Langevinowski algorytm poszukiwania macierzy M w przestrzeni macierzy metrycznych budowanych na pelnych danych, ktora w jakims sensie jest najblizsza Twojej macierzy podobienstwa.

1) Tego typu algorytmy dzialaja i dostaniesz jakas macierz M.

2) Gotowe, zaimplementowane procedury do skalowania wielowymiarowego tez zrobia z Twojej macierzy podobienstwa macierz metryczna.

3) Langevin moze dzialac troche lepiej, bo bierze pod uwage strukture danych.

4) Ale nie widze powodu, zeby jedna czy druga metoda dawala cos sensownego. Macierz M, ktora otrzymasz wcale nie musi byc podobna do nieznanej macierzy odleglosci, ktorej nie masz.

5) Estymacje pelnej macierzy (czyli imputacje brakujacych danych) mozna zrobic nadajac strukture sasiedztwa ankietom i rozklady warunkowe wsrod sasiadow i potem uzywac probnika Gibbsa do wygenerowania typowych odpowiedzi na w ankietach, w ktorych dana osoba nie brala udzialu. To bedzie mialo wiecej sensu, jesli chcesz poznac prawde o badanym zjawisku ;)

6) Wszystko, co bedziesz chcial zrobic ponad gotowa procedure skalowania wielowymiarowego w R wymaga ostroznosci i w trakcie pracy pojawia sie rozne klopoty, musisz wiedziec co robisz i co sie dzieje => bedziesz potrzebowal profesjonalisty.

A ja sie juz urywam z tego watka, bo mam wrazenie ze dalsza dyskusja tutaj nie doprowadzi do niczego bardziej konstruktywnego.

Dobrej zabawy! ;)

Dzięki :-) ja też mam wrażenie że zbliżam się do granicy.

Temat: Obliczanie współrzędnych punktów (trudne?)

Można spróbować w ten sposób:
Tu przykładowe dane do programu spełniające tw. trójkąta. Dla innych też działa.

http://www.fotosik.pl/pokaz_obrazek/f0e8a7d361d66aec.html
http://www.fotosik.pl/pokaz_obrazek/8963106b79add3d0.html

A tu program:
http://wb2000.webpark.pl/xoypro.exeWojciech Błoński edytował(a) ten post dnia 25.10.09 o godzinie 00:53

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr Golczyk:

Krzysztof Łatuszyński:

Piotr Golczyk:

Tomasz Szmidt:

Piotr Golczyk:

Jak różne osoby odpowiadały na różne pytania, to kiepsko to widzę. Moja propozycja: weź każdego badanego opisz wektorem tej samej długości, którego współrzędne jakoś zbudujesz na podstawie ankiet.

Znajomy szukając otrzymał taką odpowiedź:
1) Nadać losowe współrzędne.
2) Obliczyć błąd np. suma kwadratów różnic odległości danych od bieżących
3) Zmieniać położenie punktu po osi x i y o małą wartość epsilon
4) Obliczyć dla każdego punktu pochodną po x i y
5) Wyznaczyć kierunek minimalizacji dla wszystkich punktów metodą zmiennej
metryki
6) Znaleźć minimum błędu w tym kierunku
7) Jeśli błąd zmalał o więcej niż zadana wartość to skok do punktu 3

Co sądzisz o tym algorytmie?

Troche za malo szczegolow, ale intencja jest zrozumiala.

To wyglada troche jak Langevinowski algorytm poszukiwania macierzy M w przestrzeni macierzy metrycznych budowanych na pelnych danych, ktora w jakims sensie jest najblizsza Twojej macierzy podobienstwa.

1) Tego typu algorytmy dzialaja i dostaniesz jakas macierz M.

2) Gotowe, zaimplementowane procedury do skalowania wielowymiarowego tez zrobia z Twojej macierzy podobienstwa macierz metryczna.

3) Langevin moze dzialac troche lepiej, bo bierze pod uwage strukture danych.

4) Ale nie widze powodu, zeby jedna czy druga metoda dawala cos sensownego. Macierz M, ktora otrzymasz wcale nie musi byc podobna do nieznanej macierzy odleglosci, ktorej nie masz.

5) Estymacje pelnej macierzy (czyli imputacje brakujacych danych) mozna zrobic nadajac strukture sasiedztwa ankietom i rozklady warunkowe wsrod sasiadow i potem uzywac probnika Gibbsa do wygenerowania typowych odpowiedzi na w ankietach, w ktorych dana osoba nie brala udzialu. To bedzie mialo wiecej sensu, jesli chcesz poznac prawde o badanym zjawisku ;)

6) Wszystko, co bedziesz chcial zrobic ponad gotowa procedure skalowania wielowymiarowego w R wymaga ostroznosci i w trakcie pracy pojawia sie rozne klopoty, musisz wiedziec co robisz i co sie dzieje => bedziesz potrzebowal profesjonalisty.

[...]

Dobrej zabawy! ;)

Dzięki :-) ja też mam wrażenie że zbliżam się do granicy.

Czy nie przesadzamy z profesjonalnym warsztatem? To dość prosty programik.
Optymalizacja ustawiona jest na znalezienie minimalnego średniokwadratowego błędu względnego liczonego dla wszystkich odległości punktów. Z powodu skończonej rozdzielczości monitora niektóre punkty zostały więc nieco przesunięte. No i błąd nie jest zerowy, bo być nie może.
Tak działa dla 100 punktów spełniających tw. trójkąta:
http://wb2000.webpark.pl/xoy100.exe
Niestety, nie mam czasu, aby wymyślać bardziej wyszukane testy.

Temat: Obliczanie współrzędnych punktów (trudne?)

Wojciech Błoński:

Piotr Golczyk:

Krzysztof Łatuszyński:

Piotr Golczyk:

Tomasz Szmidt:

Piotr Golczyk:

Jak różne osoby odpowiadały na różne pytania, to kiepsko to widzę. Moja propozycja: weź każdego badanego opisz wektorem tej samej długości, którego współrzędne jakoś zbudujesz na podstawie ankiet.

Znajomy szukając otrzymał taką odpowiedź:
1) Nadać losowe współrzędne.
2) Obliczyć błąd np. suma kwadratów różnic odległości danych od bieżących
3) Zmieniać położenie punktu po osi x i y o małą wartość epsilon
4) Obliczyć dla każdego punktu pochodną po x i y
5) Wyznaczyć kierunek minimalizacji dla wszystkich punktów metodą zmiennej
metryki
6) Znaleźć minimum błędu w tym kierunku
7) Jeśli błąd zmalał o więcej niż zadana wartość to skok do punktu 3

Co sądzisz o tym algorytmie?

Troche za malo szczegolow, ale intencja jest zrozumiala.

To wyglada troche jak Langevinowski algorytm poszukiwania macierzy M w przestrzeni macierzy metrycznych budowanych na pelnych danych, ktora w jakims sensie jest najblizsza Twojej macierzy podobienstwa.

1) Tego typu algorytmy dzialaja i dostaniesz jakas macierz M.

2) Gotowe, zaimplementowane procedury do skalowania wielowymiarowego tez zrobia z Twojej macierzy podobienstwa macierz metryczna.

3) Langevin moze dzialac troche lepiej, bo bierze pod uwage strukture danych.

4) Ale nie widze powodu, zeby jedna czy druga metoda dawala cos sensownego. Macierz M, ktora otrzymasz wcale nie musi byc podobna do nieznanej macierzy odleglosci, ktorej nie masz.

5) Estymacje pelnej macierzy (czyli imputacje brakujacych danych) mozna zrobic nadajac strukture sasiedztwa ankietom i rozklady warunkowe wsrod sasiadow i potem uzywac probnika Gibbsa do wygenerowania typowych odpowiedzi na w ankietach, w ktorych dana osoba nie brala udzialu. To bedzie mialo wiecej sensu, jesli chcesz poznac prawde o badanym zjawisku ;)

6) Wszystko, co bedziesz chcial zrobic ponad gotowa procedure skalowania wielowymiarowego w R wymaga ostroznosci i w trakcie pracy pojawia sie rozne klopoty, musisz wiedziec co robisz i co sie dzieje => bedziesz potrzebowal profesjonalisty.

[...]

Dobrej zabawy! ;)

Dzięki :-) ja też mam wrażenie że zbliżam się do granicy.

Czy nie przesadzamy z profesjonalnym warsztatem? To dość prosty programik.
Optymalizacja ustawiona jest na znalezienie minimalnego średniokwadratowego błędu względnego liczonego dla wszystkich odległości punktów. Z powodu skończonej rozdzielczości monitora niektóre punkty zostały więc nieco przesunięte. No i błąd nie jest zerowy, bo być nie może.
Tak działa dla 100 punktów spełniających tw. trójkąta:
http://wb2000.webpark.pl/xoy100.exe
Niestety, nie mam czasu, aby wymyślać bardziej wyszukane testy.

Wygląda to bardzo ciekawie. Jakich danych wejściowych użyłeś?

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr Golczyk:

[...]

Wygląda to bardzo ciekawie. Jakich danych wejściowych użyłeś?

Narysowałem kilka charakterystycznych układów punktów i wprowadziłem ich współrzędne. Napisałem procedurę, która wygenerowała tabelę odległości między nimi. - Chodziło mi tylko o przetestowanie, czy program naprawdę robi to, co chciałem, a więc czy przede wszystkim poprawnie odwzorowuje dane spełniające tw. trójkąta.
Widoczne odkształcenia biorą się stąd, że wprowadzając punkty o współrzędnych całkowitych, musiałem zaokrąglać odległości między nimi, aby były całkowite z zakresu (0, 100), zgodnie z warunkami zadania. Dlatego są tak widoczne różnice. - Nie wynikają one z błędu w algorytmie.
Próbowałem kilka przykładów dla danych nie spełniających tw. trójkąta i wygląda z sensem.
W sytuacji konfliktu odległości program zmienia je tak, aby błąd względny był minimalny. W konsekwencji punkty, które mają największe odległości do innych, są najbardziej "poszkodowane".
Ale to chyba sprawiedliwe? ;) Outsiderzy nie mają racji? - W życiu bywa różnie, ale jeśli dobrze zrozumiałem, o coś takiego w tym zadaniu chodziło.
Jeśli masz dobre dane do przetestowania to podeślij, np. w formie
tekstowowej (jako tablicę), wierszami, liczby oddzielone spacjami. Jak znajdę chwilę czasu, to przetestuję.
A tu jest obrazek źródłowy:
http://www.fotosik.pl/pokaz_obrazek/e20815986c1739de.htmlWojciech Błoński edytował(a) ten post dnia 28.10.09 o godzinie 20:15

Temat: Obliczanie współrzędnych punktów (trudne?)

Wojciech Błoński:

Piotr Golczyk:

[...]

Wygląda to bardzo ciekawie. Jakich danych wejściowych użyłeś?

Narysowałem kilka charakterystycznych układów punktów i wprowadziłem ich współrzędne. Napisałem procedurę, która wygenerowała tabelę odległości między nimi. - Chodziło mi tylko o przetestowanie, czy program naprawdę robi to, co chciałem, a więc czy przede wszystkim poprawnie odwzorowuje dane spełniające tw. trójkąta.
Widoczne odkształcenia biorą się stąd, że wprowadzając punkty o współrzędnych całkowitych, musiałem zaokrąglać odległości między nimi, aby były całkowite z zakresu (0, 100), zgodnie z warunkami zadania. Dlatego są tak widoczne różnice. - Nie wynikają one z błędu w algorytmie.
Próbowałem kilka przykładów dla danych nie spełniających tw. trójkąta i wygląda z sensem.
W sytuacji konfliktu odległości program zmienia je tak, aby błąd względny był minimalny. W konsekwencji punkty, które mają największe odległości do innych, są najbardziej "poszkodowane".
Ale to chyba sprawiedliwe? ;) Outsiderzy nie mają racji? - W życiu bywa różnie, ale jeśli dobrze zrozumiałem, o coś takiego w tym zadaniu chodziło.
Jeśli masz dobre dane do przetestowania to podeślij, np. w formie
tekstowowej (jako tablicę), wierszami, liczby oddzielone spacjami. Jak znajdę chwilę czasu, to przetestuję.
A tu jest obrazek źródłowy:
http://www.fotosik.pl/pokaz_obrazek/e20815986c1739de.htmlWojciech Błoński edytował(a) ten post dnia 28.10.09 o godzinie 20:15

Spróbuj tego: http://www.beczkasoli.pl/_roboczy/

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr Golczyk:

[...]

Spróbuj tego: http://www.beczkasoli.pl/_roboczy/

Ano:
http://wb2000.webpark.pl/xoy_beczka50.exe

Kliknij myszką na punkt na wykresie, to pokaże jego numer w tabeli.
Wyniki jakby trochę zaskakujące.
[po edycji] Skorygowałem naliczanie błędu.
Warto pamiętać, że przy tak przyjętej metodologii o odległości punktów na wykresie decyduje nie tylko ich bezpośrednia odległość, ale także w znacznym stopniu korelacja wspólnych "wrogów" i "przyjaciół".Wojciech Błoński edytował(a) ten post dnia 29.10.09 o godzinie 22:54

Temat: Obliczanie współrzędnych punktów (trudne?)

Wojciech Błoński:

Piotr Golczyk:

[...]

Spróbuj tego: http://www.beczkasoli.pl/_roboczy/

Ano:
http://wb2000.webpark.pl/xoy_beczka50.exe

Kliknij myszką na punkt na wykresie, to pokaże jego numer w tabeli.
Wyniki jakby trochę zaskakujące.
[po edycji] Skorygowałem naliczanie błędu.
Warto pamiętać, że przy tak przyjętej metodologii o odległości punktów na wykresie decyduje nie tylko ich bezpośrednia odległość, ale także w znacznym stopniu korelacja wspólnych "wrogów" i "przyjaciół".

Wojtek,

a) program się wysypuje - mam wrażenie, że brakuje jakiegoś pliku (zewnętrznego?).

b) zanim zobaczę jak to wygląda to starałem się (trochę na wyczucie) stworzyć ze 100 punktów, trzy główne grupy adoracji, przy czym jedna lubi się z drugą a trzecia z pierwszą w ogóle. Reszta punktów rzucona jest losowo do wykresu.Piotr Golczyk edytował(a) ten post dnia 30.10.09 o godzinie 08:33

Temat: Obliczanie współrzędnych punktów (trudne?)

Rozwiązywanie zadań MATEMATYKA, zapraszam

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr Golczyk:

[...]

a) program się wysypuje - mam wrażenie, że brakuje jakiegoś pliku (zewnętrznego?).

Zgoda, czegoś zabrakło. Tak to jest, jak się lekceważy problem i próbuje zrobić coś "na szybko".
Poprawiłem. Mam nadzieję, że zadziała.
http://wb2000.webpark.pl/xoy_beczka50popr.exe.

b) zanim zobaczę jak to wygląda to starałem się (trochę na wyczucie) stworzyć ze 100 punktów, trzy główne grupy adoracji, przy czym jedna lubi się z drugą a trzecia z pierwszą w ogóle. Reszta punktów rzucona jest losowo do wykresu.

Obawiam się, że odpowiedź nie jest trywialna. Do wiarygodnych wniosków trzeba rozpatrzyć więcej danych niż 50.
Na wyczucie pewnie można, ale lepiej zrobić sobie mechanizm testujący, a zmieniając tylko regułę grupowania np. sposób na korygowanie konfliktowych odległości.

Moja wstępna refleksja - np. widoczna podczas optymalizacji kierunkowej wektorami - że populacja jest dość jednolita, tzn. wszyscy dzielą się na dwie grupy (dwa pierścienie na rysunku). W jednej grupie są osoby, których odległości do wszystkich innych razem wynoszą ok. 1700 (pierścień wewnętrzny), a w drugiej ok. 2100 (zewnętrzny). - Gdyby było większe zróżnicowanie, to obrazek byłby ciekawszy i bardziej komunikatywny.

Temat: Obliczanie współrzędnych punktów (trudne?)

Wojciech Błoński:

Piotr Golczyk:

[...]

Moja wstępna refleksja - np. widoczna podczas optymalizacji kierunkowej wektorami - że populacja jest dość jednolita, tzn. wszyscy dzielą się na dwie grupy (dwa pierścienie na rysunku). W jednej grupie są osoby, których odległości do wszystkich innych razem wynoszą ok. 1700 (pierścień wewnętrzny), a w drugiej ok. 2100 (zewnętrzny). - Gdyby było większe zróżnicowanie, to obrazek byłby ciekawszy i bardziej komunikatywny.

Hm na wykresie widzę co prawda jakieś zarysy grup, ale faktycznie wygląda to mniej wyraźnie niż sobie to wyobrażałem. Mimo wszystko powinny być widoczne trzy grupy. Hm... nie do końca rozumiem zadadę według której tworzysz ten wykres, ale interesuje mnie Twoje zdanie dotyczące tego jak powinno to być wykonane żeby zaistniały wyraźniejsze różnice.

Temat: Obliczanie współrzędnych punktów (trudne?)

Ja testowałem dane tylko dla 50 osób, a nie 100.
Tworzenie wykresu podzieliłem na dwa etapy:
optymalizacja wektorowa - na punkt umieszczony w środku wykresu oddziaływują pozostałe punkty odpychając go w przeciwną stronę z "siłą" proporcjonalną do odległości między nimi. Wszystkie inne punkty robią to samo. Wektor wypadkowy wskazuje kierunek, na jakim powienien leżeć badany punkt. Pierwszym punktom narzucam początkowo wersory osi. Pozostałe stopniowo znajdują swoje miejsce. W miarę dodawania kolejnych punktów do wykresu kierunki wektorów stają się coraz bardziej rzeczywiste. Normalizuję otrzymany wektor i mnożę go przez sumę odległości danego punktu do innych.
optymalizacja kroczkami - sprawdzam, czy przesunięcie punktu o jeden piksel zmniejszy błąd względny całkowity. Jeśli tak, to przesuwam. I tak dla wszystkich punktów, w pętli, aż błąd przestanie maleć.
A co do wniosków: Może po prostu nasze społeczeństwo jest zatomizowane i nie ma zwartych grup? ;)Wojciech Błoński edytował(a) ten post dnia 30.10.09 o godzinie 23:29

Temat: Obliczanie współrzędnych punktów (trudne?)

Rozwiązywanie zadań MATEMATYKA:
Rozwiązywanie zadań MATEMATYKA, zapraszam

Dzięki, może kiedyś skorzystam.Wojciech Błoński edytował(a) ten post dnia 01.11.09 o godzinie 19:41

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr Golczyk:
interesuje mnie Twoje zdanie dotyczące tego jak powinno to być wykonane żeby zaistniały wyraźniejsze różnice.

Jeszcze poprawiłem parę drobiazgów, ale to raczej wszystko, co można tym algorytmem osiągnąć:
http://wb2000.webpark.pl/xoy_beczka50_grupy.exe
Można szukać bardziej efektywnej reguły dla optymalizacji "kroczkami", minimalizacja średniej arytmetycznej błędu względnego daje jak dotąd najlepsze efekty. Można zastosować mechanizm optymalizacji bardziej promujący mniejsze odległości między punktami. Ale tu już dam szansę innym. EOT.Wojciech Błoński edytował(a) ten post dnia 01.11.09 o godzinie 19:51

Temat: Obliczanie współrzędnych punktów (trudne?)

Wojciech Błoński:

Piotr Golczyk:
interesuje mnie Twoje zdanie dotyczące tego jak powinno to być wykonane żeby zaistniały wyraźniejsze różnice.

Jeszcze poprawiłem parę drobiazgów, ale to raczej wszystko, co można tym algorytmem osiągnąć:
http://wb2000.webpark.pl/xoy_beczka50_grupy.exe
Można szukać bardziej efektywnej reguły dla optymalizacji "kroczkami", minimalizacja średniej arytmetycznej błędu względnego daje jak dotąd najlepsze efekty. Można zastosować mechanizm optymalizacji bardziej promujący mniejsze odległości między punktami. Ale tu już dam szansę innym. EOT.

Teraz wygląda to lepiej. Tzn. widzę trzy grupy co prawda nie rozumiem dlaczego akurat te "resztki" są tak porozrzucane na bokach, ale powoli make sense.

Może zarzucisz jeszcze wersję do testowania dowolnych liczb z jakiegoś pliku txt np?

Dzięki. Ciekawe to. Może zastosuje.Piotr Golczyk edytował(a) ten post dnia 02.11.09 o godzinie 08:44

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr Golczyk:

Może zarzucisz jeszcze wersję do testowania dowolnych liczb z
jakiegoś pliku txt np?
Dzięki. Ciekawe to. Może zastosuje

:)

Temat: Obliczanie współrzędnych punktów (trudne?)

Piotr eS:

Piotr Golczyk:

Może zarzucisz jeszcze wersję do testowania dowolnych liczb z
jakiegoś pliku txt np?
Dzięki. Ciekawe to. Może zastosuje

:)

Moje zaangażowanie w ten wątek wynikało głównie z chęci obrony swoich słów: "Da się zrobić, nawet w 3D.", które napisałem w swoim pierwszym poście. Już wtedy miałem pewną koncepcję, którą potem zrealizowałem.
W 3D można to samo zrobić definiując wektor o 3 współrzędnych i optymalizować kroczkami nie w 16 kierunkach jak na płaszczyźnie (prostopadle, po przekątnych i ruchem skoczka), ale odpowiednio więcej.
Czy skorzystasz, czy nie, to już nie mój problem. :)Wojciech Błoński edytował(a) ten post dnia 02.11.09 o godzinie 20:42