интерполяция прямой неоднозначных данных

- надо провести прямую чтобы отклонение было минимально

Определи точнее. Определи норму (метрику), остальное элементарно.

Нет, так ищи «best fit line/curve».

Тебя правда это волнует в ночь с воскресенья на понедельник?)

Тебя правда это волнует в ночь с воскресенья на понедельник?)

:-) семья спит, а у меня уже понедельник :-)

https://en.wikipedia.org/wiki/Linear_regression ?

типа того :-) но для упомянутого «утра понедельника» много умных слов :-)

можно задачу перефразировать подругому: на вход через фиксированные промежутки поступают результаты измерений, надо «ойкнуть» если на 50-ти последних отсчётах они вдруг стали похожи на прямую...

как-бы проще это сделать, без лишних библиотек и не разогревая процессор.

Взвешенный МНК не подходит?

ЯННП :)

Тебе надо найти прямую линию, проходящую максимально близко ко всем точкам?

Так это не сложно: https://en.wikipedia.org/wiki/Simple_linear_regression#Fitting_the_regression...

Обе формулы (slope + intercept) по ссылке и довольно простые...

надо провести прямую чтобы отклонение было минимально... ткните в метод

МНК (есть даже онлайн).

Если даже толком не можешь сформулировать задачу, то пользуйся обычным МНК (метод наименьших квадратов).

Не пользуй МНК, если разброс есть. Ну или хотя бы делай итерациями, отбрасывая выбросы. Можно перед аппроксимацией скользящей медианой пройтись, если набор данных позволяет.

они вдруг стали похожи на прямую

хорошо что не на прокурора. Что значит похожи на прямую? Когда сможешь дать этому определение - половина метода у тебя в кармане. Дальше подгоняешь простейший матаппарат под это дело (можешь просто СКО посчитать) и делаешь вывод

Алгоритм Брезенхэма не подходит?

Как обычно... Пишешь функцию «непохожести» (больше похоже - меньше значение) с неизвестными параметрами прямой, ищешь её производную, приравниваешь её к нулю - получаешь уравнение относительно неизвестных параметров прямой. Решаешь его, и всё - прямая готова.

Что значит похожи на прямую?

значит что можно найти такую прямую что 85% точек находятся не далее чем на Const по Y от этой прямой и эти расстояние достаточно близки к среднему. А 15% которые неуложились можно игнорировать - это всплески и шумы, которые есть почти всегда. Где-то наверное так :-).

ну вот, перечитай свое сообщение еще раз и все поймешь. По сути ты сам только что ответил на свой вопрос.

Могу дать наводку - если ты говоришь об абсолютном отклонении, то это Least Absolute Deviation (LAD), не LSqE, это стандартная задача линейного программирования. Погугли пример матлаба для linsolve

в дополнение к вышенаписанному - я бы пошел следующим путем. Пофитил бы прямую и построил бы гистограмму расстояний. Дальше у тебя получилось бы множество точек, похожих на генерального прокурора, и пачка тех, кто похож на девушек. Дальше сравниваешь количество первых и последних и делаешь вывод.

Грубо, особенно если первая линия не слишком точна, потому возможно провернул бы тот же алгоритм еще раз выкинув часть выделяющихся точек.

Кроме линейной регрессии есть еще PCA. Оно на картинке похоже, смотри по ссылке первую картинку.

https://ru.wikipedia.org/wiki/Метод_главных_компонент

Линейную регрессию программерам больше не преподают?

Тогда не регрессия. Тупо считаешь среднеквадратичное отклонение за последние 50 циклов, если какой-то порог превышен, аларм.

Тупо считаешь среднеквадратичное отклонение за последние 50 циклов, если какой-то порог превышен

если считать «тупо» то еденичный импульс отправляет такой метод в далёкое плавание :( конечно такой способ был давно опробован, и он не подходит :-(

С чего бы это? Один из 50 не может настолько унести.