การใช้ตัวทำนายแบบวงกลมในการถดถอยเชิงเส้น

ฉันกำลังพยายามปรับโมเดลให้เหมาะสมโดยใช้ข้อมูลลม (0, 359) และช่วงเวลาของวัน (0, 23) แต่ฉันกังวลว่าพวกเขาจะไม่พอดีกับการถดถอยเชิงเส้นเนื่องจากพวกเขาไม่ใช่พารามิเตอร์เชิงเส้น ฉันต้องการแปลงพวกเขาโดยใช้ Python ฉันได้เห็นการกล่าวถึงการคำนวณค่าเฉลี่ยเวคเตอร์โดยวิธีการทำบาปและ cos ขององศาอย่างน้อยก็ในกรณีลม แต่ไม่มากนัก

มีห้องสมุดไพ ธ อนหรือวิธีการที่เกี่ยวข้องที่อาจเป็นประโยชน์หรือไม่?

ทิศทางลม (วัดที่นี่ในองศาสมมุติว่าทิศทางเข็มทิศตามเข็มนาฬิกาจากทิศเหนือ) เป็นตัวแปรวงกลม การทดสอบก็คือจุดเริ่มต้นการชุมนุมของขนาดเป็นเช่นเดียวกับท้ายที่สุดคือ360 เมื่อได้รับการปฏิบัติในฐานะผู้ทำนายมันน่าจะเป็นแผนที่ที่ดีที่สุดกับไซน์และโคไซน์ ไม่ว่าซอฟต์แวร์ของคุณจะมีแนวโน้มว่าจะวัดมุมเป็นเรเดียนดังนั้นการแปลงจะเทียบเท่ากันบ้าง$0^\circ = 360^\circ$

$\sin(\pi\ \text{direction} / 180), \cos(\pi\ \text{direction} / 180)$

ให้ที่เรเดียน360 เวลาเดียวกันของวันที่วัดเป็นชั่วโมงจากเที่ยงคืนสามารถแมปกับไซน์และโคไซน์ได้โดยใช้$2 \pi$$= 360^\circ$

$\sin(\pi\ \text{time} / 12), \cos(\pi\ \text{time} / 12)$

หรือ

$\sin(\pi (\text{time} + 0.5) / 12), \cos(\pi (\text{time} + 0.5) / 12)$

ขึ้นอยู่กับเวลาที่บันทึกหรือควรตีความ

บางครั้งธรรมชาติหรือสังคมนั้นมีภาระผูกพันและพึ่งพาตัวแปรแบบวงกลมบางรูปแบบซึ่งเป็นทิศทางที่ดีที่สุดสำหรับการตอบสนองและทิศทางตรงกันข้าม ในกรณีนั้นเทอมไซน์และโคไซน์เดียวอาจพอเพียง สำหรับรูปแบบที่ซับซ้อนมากขึ้นคุณอาจต้องใช้คำอื่น ๆ สำหรับรายละเอียดเพิ่มเติมสามารถดูการสอนเกี่ยวกับเทคนิคของการวนวงกลม, ฟูริเยร์, เป็นระยะ, ตรีโกณมิติถดถอยได้ที่นี่พร้อมกับการอ้างอิงเพิ่มเติม ข่าวดีก็คือว่าเมื่อคุณสร้างเงื่อนไขไซน์และโคไซน์แล้วพวกเขาเป็นเพียงตัวทำนายพิเศษในการถดถอยของคุณ

มีวรรณกรรมขนาดใหญ่เกี่ยวกับสถิติแบบวงกลมซึ่งตัวมันเองถูกมองว่าเป็นส่วนหนึ่งของสถิติทิศทาง เทคนิคนี้มักจะไม่ได้กล่าวถึงอย่างแปลกประหลาดเนื่องจากการมุ่งเน้นในวรรณคดีนั้นมักใช้กับตัวแปรตอบสนองแบบวงกลม การสรุปตัวแปรแบบวงกลมด้วยเวกเตอร์หมายความว่าเป็นวิธีการอธิบายแบบมาตรฐาน แต่ไม่จำเป็นหรือเป็นประโยชน์โดยตรงสำหรับการถดถอย

รายละเอียดเกี่ยวกับคำศัพท์ทิศทางลมและเวลาของวันอยู่ในตัวแปรคำศัพท์ทางสถิติไม่ใช่พารามิเตอร์ไม่ว่าจะใช้ในสาขาวิทยาศาสตร์ของคุณอย่างไร

การถดถอยเชิงเส้นถูกกำหนดโดย linearity ในพารามิเตอร์คือสำหรับเวกเตอร์ทำนายโดยมันคือเวกเตอร์ของพารามิเตอร์ไม่ใช่เมทริกซ์ของตัวทำนายซึ่งมีความสำคัญมากกว่า ดังนั้นในกรณีนี้ความจริงที่ว่าตัวทำนายเช่นไซน์และโคไซน์นั้นถูกวัดด้วยเครื่องชั่งแบบวงกลมและยัง จำกัด อยู่ที่จึงไม่มีสิ่งกีดขวางที่จะปรากฏในการถดถอยเชิงเส้น$y$$X\beta$$\beta$$X$$[-1, 1]$

ความคิดเห็นเล็กน้อยสำหรับตัวแปรตอบสนองเช่นความเข้มข้นของอนุภาคฉันคาดหวังว่าจะใช้โมเดลเชิงเส้นทั่วไปพร้อมลิงก์ลอการิทึมเพื่อให้แน่ใจว่าการคาดการณ์เชิงบวก