def algoritmoReducao(self, colunas, numTotEpocas, numAmostrasCiclo):
sensor = Sensor(self.ARQUIVO)
for var in colunas:
saida = []
erroAc = []
medidas = []
variavel = sensor.obterLeitura(var, 0, numTotEpocas-1)
if(self.remOutlier):
variavel = Estatistica.removeOutliers(variavel)
numIter = int(ceil(float(numTotEpocas)/numAmostrasCiclo))
erro = 0
limSup = limInf = 0
i = 1
while(i <= numIter):
limInf = (i-1)*numAmostrasCiclo
limSup = i*numAmostrasCiclo-1
if(limSup >= numTotEpocas):
limSup = (numTotEpocas%numAmostrasCiclo)+limInf-1
medidas = variavel[limInf:limSup+1]
informacoes = Estatistica.regSimples(range(limInf+1, limSup+2), medidas, True)
saida = saida.__add__(informacoes[2])
erro = informacoes[4]
erroAc.append(erro)
i += 1
residuo = Estatistica.erroResidual(variavel, saida);
DIC = {'variavel': VARIAVEL[var%len(VARIAVEL)], 'media': Estatistica.media(erroAc), 'minimo': Estatistica.minimo(erroAc),
'maximo': Estatistica.maximo(erroAc), 'eqm': sum(erroAc), 'pkt-gerados': numIter, 'mecanismo': 'Regressao'}
Log.registraLog(ARQUIVO_SAIDA, FORMAT, DIC)
if(self.plot):
Estatistica.plotar((range(1, numTotEpocas+1), range(1, numTotEpocas+1)), (variavel, saida), "Filtro Medio", "Epoca", VARIAVEL[var%len(VARIAVEL)], ["Valores Reais", "Valores Preditos"])
return [numIter, saida, variavel, residuo]
def algoritmoReducao(self, colunas, numTotEpocas, numAmostrasCiclo):
sensor = Sensor(self.ARQUIVO)
for var in colunas:
saida = []
erroAc = 0
medidas = []
variavel = sensor.obterLeitura(var, 0, numTotEpocas-1)
numIter = int(ceil(float(numTotEpocas)/numAmostrasCiclo))
erro = 0
coefGerados = 1
limSup = limInf = 0
i = 1
while(i <= numIter):
limSup = i*numAmostrasCiclo-1
if(limSup >= numTotEpocas):
limSup = (numTotEpocas%numAmostrasCiclo)+limInf-1
medidas = variavel[limInf:limSup+1]
informacoes = Estatistica.regSimples(range(limInf+1, limSup+2), medidas, (True))
erro = informacoes[3]
if(erro <= self.limiar or (limInf == limSup-numAmostrasCiclo+1)):
saida[limInf:limSup+1] = informacoes[limInf:limSup+1]
print len(saida)
erroAc.append(sum(erro))
if(erro > self.limiar):
limInf = i*numAmostrasCiclo
coefGerados += 1
i += 1
else:
limInf = (i-1)*numAmostrasCiclo
coefGerados += 1
DIC = {'variavel': VARIAVEL[var%len(VARIAVEL)], 'media': Estatistica.media(erroAc), 'minimo': Estatistica.minimo(erroAc),
'maximo': Estatistica.maximo(erroAc), 'Erro-Acumulativo': sum(erroAc), 'pkt-gerados': coefGerados}
Log.registraLog('cumulativo', FORMAT, DIC)
def algoritmoReducao(self, colunas, numLeituras, tamInicialJanelas):
sensor = Sensor(self.ARQUIVO)
for var in colunas:
preditos = []
erroAc = []
medidasAtuais = []
erro = 0
coefGerados = 1
flag = fimLeituras = False
leituras = sensor.obterLeitura(var, 0, numLeituras-1)
fimJanela = tamInicialJanelas-1
iniJanela = 0
if(self.remOutlier):
leituras = Estatistica.removeOutliers(leituras)
while(fimJanela < numLeituras):
varReg = []
if((fimJanela-iniJanela+1) == tamInicialJanelas or flag):
varReg = (range(iniJanela+1, fimJanela+2))
medidasAtuais = leituras[iniJanela:fimJanela+1]
flag = False
else:
medidasAtuais = [leituras[fimJanela]]
if(not len(varReg)):
varReg.append(fimJanela+1)
#fimJanela = (fimJanela, numLeituras)[fimJanela >= numLeituras]
informacoes = Estatistica.regSimples(varReg, medidasAtuais, (erro > self.limiar or (fimJanela-iniJanela+1) == tamInicialJanelas))
erro = informacoes[4]
#preditos = preditos.__add__(informacoes[2])
if(erro <= self.limiar or ((fimJanela-iniJanela+1)==tamInicialJanelas)):
erroAc.append(erro)
preditos = preditos.__add__(informacoes[2])
if(erro <= self.limiar):
fimJanela += 1
else:
coefGerados += 1
iniJanela = fimJanela+1
fimJanela += tamInicialJanelas
else:
coefGerados += 1
if(fimJanela < (numLeituras-1)):
iniJanela = fimJanela
fimJanela += tamInicialJanelas-1
flag = True
if(fimJanela > numLeituras and (not fimLeituras)):
fimJanela = numLeituras-1
fimLeituras = True
residuo = Estatistica.erroResidual(leituras, preditos);
print residuo
DIC = {'variavel': VARIAVEL[var%len(VARIAVEL)], 'media': Estatistica.media(erroAc), 'minimo': Estatistica.minimo(erroAc),
'maximo': Estatistica.maximo(erroAc), 'eqm': sum(erroAc), 'pkt-gerados': coefGerados, 'mecanismo': 'Filtro-Medio'}
Log.registraLog(ARQUIVO_SAIDA, FORMAT, DIC)
if(self.plot):
Estatistica.plotar((range(1, numLeituras+1), range(1, numLeituras+1)), (leituras, preditos), "Filtro Medio", "Epoca", VARIAVEL[var%len(VARIAVEL)], ["Valores Reais", "Valores Preditos"])
return [coefGerados, preditos, leituras, residuo]
