Funkcja estymatora Theil-Sen w T-SQL

11

Czy ktoś ma funkcję regresji Theil-Sen napisaną w języku T-SQL?

I znalazłem jeden napisany w Perlu , ale nie jestem w stanie przekodować go do SQL.

sql-server functions

— kafe
źródło

9

Kłamałem, kiedy powiedziałem, że nie jestem w stanie przekodować go do SQL. Byłem po prostu zbyt leniwy. Oto kod z przykładem użycia.

Kod oparty jest na bibliotece Perla TheiSen , wykorzystującej QuickMedian . Zdefiniujmy nowy typ tabeli, aby łatwo przekazać nasze dane do procedury.

CREATE TYPE dbo.TheilSenInputDataTableType AS TABLE 
(
    ID INT IDENTITY(1,1),
    x REAL, 
    y REAL
)

Zwróć uwagę na kolumnę ID, która jest tutaj ważna, ponieważ nasze rozwiązanie wykorzystuje instrukcję CROSS APPLY w celu uzyskania poprawnej interpretacji wewnętrznej pętli znalezionej w TheilSen.pm.

my ($x1,$x2,$y1,$y2);
foreach my $i(0 .. $n-2){
    $y1 = $y->[$i];
    $x1 = $x->[$i];
    foreach my $j($i+1 .. $n-1){
        $y2 = $y->[$j];
        $x2 = $x->[$j];

Będziemy także potrzebować nowego typu danych do przechowywania tablicy wartości typu rzeczywistego.

CREATE TYPE [dbo].[RealArray] AS TABLE(
    [val] [real] NULL
)

Oto funkcja f_QuickMedian , zwracająca medianę dla podanej tablicy. Podziękowania za to należą się Itzikowi Ben-Ganowi .

CREATE FUNCTION [dbo].[f_QuickMedian](@RealArray RealArray READONLY)
RETURNS REAL
AS
BEGIN
    DECLARE @Median REAL;
    DECLARE @QMedian REAL;

    SELECT @Median = AVG(1.0 * val)
    FROM
    (
        SELECT o.val, rn = ROW_NUMBER() OVER (ORDER BY o.val), c.c
        FROM @RealArray AS o
        CROSS JOIN (SELECT c = COUNT(*) FROM @RealArray) AS c
    ) AS x
    WHERE rn IN ((c + 1)/2, (c + 2)/2);

    SELECT TOP 1 @QMedian = val FROM @RealArray
    ORDER BY ABS(val - @Median) ASC, val DESC

    RETURN @QMedian
END

I estymator p_TheilSen :

CREATE PROCEDURE [dbo].[p_TheilSen](
      @TheilSenInput TheilSenInputDataTableType READONLY
    , @m Real OUTPUT
    , @c Real OUTPUT
)
AS
BEGIN
    DECLARE 
        @m_arr RealArray
      , @c_arr RealArray;       

    INSERT INTO @m_arr
        SELECT m
        FROM 
        (
            SELECT  
                t1.x as x1
                , t1.y as y1
                , t2o.x as x2
                , t2o.y as y2
                , t2o.y-t1.y as [y2 - y1]
                , t2o.x-t1.x as [x2 - x1]
                , CASE WHEN (t2o.x <> t1.x) THEN  CAST((t2o.y-t1.y) AS Real)/(t2o.x-t1.x) ELSE NULL END AS [($y2-$y1)/($x2-$x1)]
                , CASE WHEN t1.y = t2o.y THEN 0
                  ELSE
                    CASE WHEN t1.x = t2o.x THEN NULL
                        ELSE 
                        -- push @M, ($y2-$y1)/($x2-$x1);
                        CAST((t2o.y-t1.y) AS Real)/(t2o.x-t1.x)
                    END
                  END as m
            FROM @TheilSenInput t1
            CROSS APPLY
                    (
                    SELECT  t2.x, t2.y
                    FROM    @TheilSenInput t2
                    WHERE   t2.ID > t1.ID
                     ) t2o
        ) t
        WHERE m IS NOT NULL 

    SELECT @m = dbo.f_QuickMedian(@m_arr)

    INSERT INTO @c_arr
        SELECT y - (@m * x)
            FROM @TheilSenInput

    SELECT @c = dbo.f_QuickMedian(@c_arr)

END

Przykład:

DECLARE 
      @in TheilSenInputDataTableType
    , @m Real
    , @c Real

INSERT INTO @in(x,y) VALUES (10.79,118.99)
INSERT INTO @in(x,y) VALUES (10.8,120.76)
INSERT INTO @in(x,y) VALUES (10.86,122.71)
INSERT INTO @in(x,y) VALUES (10.93,125.48)
INSERT INTO @in(x,y) VALUES (10.99,127.31)
INSERT INTO @in(x,y) VALUES (10.96,130.06)
INSERT INTO @in(x,y) VALUES (10.98,132.41)
INSERT INTO @in(x,y) VALUES (11.03,135.89)
INSERT INTO @in(x,y) VALUES (11.08,139.02)
INSERT INTO @in(x,y) VALUES (11.1,140.25)
INSERT INTO @in(x,y) VALUES (11.19,145.61)
INSERT INTO @in(x,y) VALUES (11.25,153.45)
INSERT INTO @in(x,y) VALUES (11.4,158.03)
INSERT INTO @in(x,y) VALUES (11.61,162.72)
INSERT INTO @in(x,y) VALUES (11.69,167.67)
INSERT INTO @in(x,y) VALUES (11.91,172.86)
INSERT INTO @in(x,y) VALUES (12.07,177.52)
INSERT INTO @in(x,y) VALUES (12.32,182.09)


EXEC p_TheilSen @in, @m = @m OUTPUT, @c = @c OUTPUT

SELECT @m
SELECT @c

Zwroty:

m = 52.7079
c = -448.4853

Dla porównania, wersja perla zwraca następujące wartości dla tego samego zestawu danych:

m = 52.7078651685394
c = -448.484943820225

Używam estymatora TheilSen do obliczania metryki DaysToFill dla systemów plików. Cieszyć się!

— kafe
źródło

1

To najprawdopodobniej byłoby dobre do zrobienia czegoś w SQLCLR, podobnie do następującego pytania / odpowiedzi (również tutaj na DBA.SE):

Czy istnieje implementacja SQL Server problemu najdłuższego wspólnego podciągów?

Kiedy będę miał czas, przekonam się, jak byłoby to wykonalne.

— Solomon Rutzky
źródło

1

Sprawdziłem także T-SQL, Oracle i ogólnie serwery (zbyt skomplikowane, by pisać w czystym SQL).

Jednakże, może być zainteresowany w tym (a naukowy / pakiet statystyczny dla Pythona). Algorytm jest tam zaimplementowany również w Pythonie. Python jest językiem, który ludzie mają przynajmniej szansę na zrozumienie, w przeciwieństwie do Perla.

Twoje pytanie mnie zaintrygowało, a ja przekopałem się. Istnieją biblioteki C i C ++, które zawierają ten algorytm - i jest on również dostępny w kilku pakietach R. Ciekawy jest także post @srutzky.

+1 za interesujące pytanie BTW - i witamy na forum :-)

— Vérace
źródło