Pykalman, Bokeh और NSEPy का उपयोग कर पायथन में मीन के कलमान फ़िल्टर अनुमान का कार्यान्वयन

1 MONTH - NSE TOPPERS (जुलाई 2019).

Anonim

काल्मैन फ़िल्टर वैरिएबल का आकलन करने के लिए इष्टतम अनुमान एल्गोरिदम है जिसे अप्रत्यक्ष रूप से मापा जा सकता है और शोर की उपस्थिति में विभिन्न सेंसर से माप को जोड़कर राज्यों का सर्वोत्तम अनुमान ढूंढ सकता है।

कलमैन फ़िल्टर का नाम रूडोल्फ ई। काल्मन के नाम पर रखा गया है, जो इसके सिद्धांत के प्राथमिक डेवलपर्स में से एक है। काल्मैन फ़िल्टर में एयरोस्पेस नेविगेशन, रोबोटिक्स, प्रक्षेपवक्र अनुकूलन, नियंत्रण प्रणाली, सिग्नल प्रोसेसिंग, समय श्रृंखला विश्लेषण और अर्थशास्त्र से अनुप्रयोगों की विस्तृत श्रृंखला है। असल में 1 9 60 के दशक में अपोलो स्पेस कैप्सूल के circumlinear नेविगेशन नियंत्रण के व्यवहार्यता अध्ययन के दौरान नाल एएमईएस केंद्र में कलमैन फ़िल्टर का पहला आवेदन किया गया था।

काल्मैन फ़िल्टर उन प्रणालियों के लिए आदर्श है जो वास्तविक समय प्रणालियों के निर्माण के लिए निरंतर बदल रहे हैं और अच्छी तरह उपयुक्त हैं क्योंकि कलमैन फ़िल्टर एक गतिशील रैखिक मॉडल है, जो कभी भी बदलते परिवेश को अनुकूलित करने में सक्षम है। काल्मैन फ़िल्टर का मुख्य लाभ यह है कि यह पूर्वानुमानित, अनुकूली भी है और यह वास्तव में तेज़ है क्योंकि यह ऐतिहासिक डेटा को ट्रैक नहीं करता बल्कि पिछले राज्य को ट्रैक करता है।

सरल शर्तों में बताए गए कलमान फ़िल्टर

कलमान फ़िल्टर राज्य अनुमान

कलमान फ़िल्टर - इष्टतम राज्य अनुमानक

कलमैन फिल्टर पायथन के कार्यान्वयन की बात आती है जब लाइब्रेरी लाइकलैन जटिल गणित सामग्री के साथ खुदाई करने के बजाय जीवन को आसान बनाता है
कलमैन अनुमान की गणना करने के लिए।

कलमैन फ़िल्टर के साथ इंटरेक्टिव इंट्राडे कैंडलस्टिक चार्ट प्लॉट करने के लिए पिकलमैन, बोके, एनएसईपीई और पांडा का उपयोग करके आईपीथन नोटबुक में कलमैन फ़िल्टर मीन अनुमान का कार्यान्वयन

अगले ट्यूटोरियल में हम अधिक दिलचस्प सांख्यिकीय मॉडल और पायथन में इसे कार्यान्वित करने के तरीके पर चर्चा करेंगे।