series_fit_2lines()

계열에 분할된 선형 회귀 2개를 적용하여 여러 열을 반환합니다.

동적 숫자 배열이 포함된 식을 입력으로 사용하고 계열의 추세 변화를 식별하고 정량화하기 위해 두 개의 분할된 선형 회귀 를 적용합니다. 함수는 계열 인덱스를 반복합니다. 각 반복에서 함수는 계열을 두 부분으로 분할하고, 각 부분에 대한 별도의 선( series_fit_line())에 맞고, 총 r-square를 계산합니다. 가장 적합한 분할은 r 제곱을 최대화한 분할입니다. 이 함수는 해당 매개 변수를 반환합니다.

매개 변수	Description
rsquare	R 정사각형 은 적합 품질의 표준 측정값입니다. 범위 [0-1]의 숫자입니다. 여기서 1은 가장 적합하며 0은 데이터의 순서가 지정되지 않고 줄에 맞지 않음을 의미합니다.
split_idx	두 세그먼트에 대한 중단점의 인덱스입니다(0부터 시작).
variance	입력 데이터의 분산입니다.
rvariance	잔차 분산- 입력 데이터 값 간의 분산입니다(두 줄 세그먼트별).
line_fit	가장 적합한 선의 일련의 값을 포함하는 숫자 배열입니다. 계열 길이는 입력 배열의 길이와 같습니다. 주로 차트에 사용됩니다.
right_rsquare	분할의 오른쪽에 있는 선의 R-제곱은 series_fit_line()를 참조하세요.
right_slope	오른쪽 근사 선의 기울기(y=ax+b 형식)입니다.
right_interception	대략적인 왼쪽 줄의 가로채기(y=ax+b에서 b).
right_variance	분할의 오른쪽에 있는 입력 데이터의 분산입니다.
right_rvariance	분할의 오른쪽에 있는 입력 데이터의 잔차 분산입니다.
left_rsquare	분할 왼쪽에 있는 줄의 R-제곱은 series_fit_line()를 참조하세요.
left_slope	왼쪽 근사 선의 기울기(y=ax+b 형식)입니다.
left_interception	대략적인 왼쪽 줄(y=ax+b 형식)의 가로채기입니다.
left_variance	분할의 왼쪽에 있는 입력 데이터의 분산입니다.
left_rvariance	분할 왼쪽에 있는 입력 데이터의 잔차 분산입니다.

참고

이 함수는 여러 열을 반환하므로 다른 함수의 인수로 사용할 수 없습니다.

Syntax

프로젝트 series_fit_2lines(계열)

구문 규칙에 대해 자세히 알아보세요.

• 위에서 언급한 모든 열을 series_fit_2lines_x_rsquare, series_fit_2lines_x_split_idx 등의 이름으로 반환합니다.

project(rs, si, v)=series_fit_2lines(series)

• rs(r-square), si(분할 인덱스), v(분산) 및 나머지는 series_fit_2lines_x_rvariance, series_fit_2lines_x_line_fit 등과 같은 열을 반환합니다.

extend (rs, si, v)=series_fit_2lines(series)

• rs(r 제곱), si(분할 인덱스) 및 v(분산)만 반환합니다.

매개 변수

이름	형식	필수	Description
시리즈	dynamic	✔️	숫자 값의 배열입니다.

팁

이 함수를 사용하는 가장 편리한 방법은 make-series 연산자의 결과에 적용하는 것입니다.

예제

쿼리 실행

print
    id=' ',
    x=range(bin(now(), 1h) - 11h, bin(now(), 1h), 1h),
    y=dynamic([1, 2.2, 2.5, 4.7, 5.0, 12, 10.3, 10.3, 9, 8.3, 6.2])
| extend
    (Slope, Interception, RSquare, Variance, RVariance, LineFit)=series_fit_line(y),
    (RSquare2, SplitIdx, Variance2, RVariance2, LineFit2)=series_fit_2lines(y)
| project id, x, y, LineFit, LineFit2
| render timechart