利用線性回歸對週期性時間序列進行回歸**時，常用的一種表達方式是使用0-1啞變數進行表達。以星期為週期的資料進行舉例說明：
# 資料簡介
# rst：需擬合的值; date：日期
data.example
rst date
1: 112
2016-07-04
2: 118
2016-07-05
3: 132
2016-07-06
4: 129
2016-07-07
5: 121
2016-07-08
---80: 419
2016-09-21
81: 461
2016-09-22
82: 472
2016-09-23
83: 535
2016-09-24
84: 622
2016-09-25
##----------------- 資料處理 --------------------##
# 提取星期資訊
data.example[, ":="(day = weekdays(date), t = 1)]
# 資料拆分
data.example <- dcast.data.table(data.example,
rst + date ~ day,
fill = 0, value.var = "t")
# 資料整理
data.example <- data.example[, .(rst, date, 星期一, 星期二, 星期三,
星期四, 星期五, 星期六, 星期日)]
setorder(data.example, date)
# 檢視結果
data.example
rst date 星期一 星期二 星期三 星期四 星期五 星期六 星期日
1: 112
2016-07-0410
0000
02: 118
2016-07-0501
0000
03: 132
2016-07-0600
1000
04: 129
2016-07-0700
0100
05: 121
2016-07-0800
0010
0---
80: 419
2016-09-2100
1000
081: 461
2016-09-2200
0100
082: 472
2016-09-2300
0010
083: 535
2016-09-2400
0001
084: 622
2016-09-2500
0000
1
線性回歸的一般形式為： f(
x)=θ
1x1+
θ2x2
+⋅⋅⋅
+θdx
d+b
向量表示為： f(
x)=θ
tx+b
常以均方誤差作為線性回歸的效能度量,其具有較好的幾何意義(歐幾里得距離)： j(
θ,b)
=arg
min∑
i=1m
(f(x
i)−y
i)2
其誤差函式為關於
θ 和
b 凸函式,所以別對θ和
b 進行偏導，令其為0 ，可對引數進行求解，而基於均方誤差進行模型求解的方法一般稱為最小二乘法。利用均方誤差作為誤差函式主要考慮了其整體誤差，當考慮單點誤差時，可以考慮相對誤差，即將： ei
=|yi
−yi¯
¯¯|→
|yi−
yi¯¯
¯|yi
而相對誤差，我們知道他並不光滑，取2範數將其變成凸函式，其求解變成了凸函式問題。即損失函式變為： j(
θ,b)
=arg
min∑
i=1m
(f(x
i)−y
i)2y
2i再將其擴充套件到區域性回歸： j(
θ,b)
=arg
minw
(i)∑
i=1m
(f(x
i)−y
i)2y
2i其中w(
i)為單點權重： w(
i)=e
−(xi
−x)2
2 對於時間序列而言，引入區域性加權可以對不同值影響進行修正，所以個人感覺區域性加權回歸的泛化性更強，更適合非線性的時間序列。
client中週期性邊界 整理 週期性邊界條件
2.3.4 週期性流動與換熱 如果我們計算的流動或者熱場有週期性重複，或者幾何邊界條件週期性重複，就形成了 週期性流動。fluent 可以模擬兩類週期性流動問題。第一，無壓降的週期性平板問題 迴圈邊界 第二，有壓降的週期性邊界導致的完全發展或週期性流向流動問題 週期性邊界 流向週期性流動模擬的條件 ...
client中週期性邊界 週期性邊界條件
2.3.4 週期性流動與換熱 如果我們計算的流動或者熱場有週期性重複，或者幾何邊界條件週期性重複，就形成了 週期性流動。fluent 可以模擬兩類週期性流動問題。第一，無壓降的週期性平板問題 迴圈邊界 第二，有壓降的週期性邊界導致的完全發展或週期性流向流動問題 週期性邊界 流向週期性流動模擬的條件 ...
client中週期性邊界 週期性邊界條件
2.3.4 週期性流動與換熱 如果我們計算的流動或者熱場有週期性重複，或者幾何邊界條件週期性重複，就形成了 週期性流動。fluent 可以模擬兩類週期性流動問題。第一，無壓降的週期性平板問題 迴圈邊界 第二，有壓降的週期性邊界導致的完全發展或週期性流向流動問題 週期性邊界 流向週期性流動模擬的條件 ...