常有人問我要如何讓感應器的數據不要波動太大或過於不穩定。以前在美國學習音樂偵測技術時，我的主修老師 Andrew May 說了一堆關於「線性回歸」的方法，當時似懂非懂，最近又把他所題的方法重新拿來檢視，重新思考一次他所用的方法。
在 Max/MSP/Jitter 中，最簡易的柔化數據變化的方法是使用 bucket 物件，把最近收集到的數據算出平均值（使用 mean 物件）。我的老師則提供了另一種方法，是以線性回歸的方式，他設計了一套線性回歸 ( linear regression ) 的物件組 ( regression tool )，可用來將一系列的數據，計算出一個最佳的直線或曲線 ( best fitting line )，使得每個點與這條線的距離 (error of prediction) 之的總和為最小，其中包含下面幾項工具：
m_line：用來將存在於預設大小的 buffer 中的數據，計算出最佳直線（包含斜率、y 軸截距等數值）
m_avg ：用來計算 buffer 中的數值之平均數。
m_para：用來將存在於預設大小的 buffer 中的數據，計算出最佳曲線）
regress：與 m_line 的功能類似，但是所取的數值是從開始計算起至當前所累積的數據。
regress2：與 m_para 的功能類似，但是所取的數值是從開始計算起至當前所累積的數據。
註：以上這幾個物件中，最常用的是 m_avg 的平均值（用來柔化數據）以及 m_line 的斜率數據（用來判斷新近的資料是否與多數數據差距過大）。
註：回歸分析的簡介可參考：http://onlinestatbook.com/index.html
沒有留言:
張貼留言