Algorithm 利用实际阶跃函数生成理想阶跃函数

我为函数绘制了运行时（以秒为单位）与输入图，如下所示：

您可以观察到许多运行时，这些运行时比上面各个点所表示的预期运行时要大

我想将这些点向下映射到它们的预期时间，以获得理想的阶跃函数，如下所示：

红点=大于预期的运行时

在以下情况下，红色点映射到各自的预期运行时：

但是，决定红点应该映射到哪里并不总是容易的。例如：

在上述情况下，我们将如何决定将红点映射到运行时T1或T2

此外，在以下情况下，我们无法确定如何将红点向下映射到它们的理想或预期运行时：

如果我们决定通过判断相邻点来映射红点，那么蓝点可能会产生向下映射红点的噪声

最后，在以下情况下可能会有大量噪音：

因此，我们的目标是通过将红点向下映射到理想的预期运行时，以尽可能高的精度实现理想的阶跃函数

我会感谢你的建议

如果运行时真的像图中告诉我们的那样是线性的

您可以在数据上创建线性回归，它将拟合点的主线，而不拟合运行时大于预期的点。对于所有其他点，您可以取

x

值，并将其拟合到回归上，然后根据模1是否大于0.5向上或向下取整

在第一种情况下（实际场景），您不必使用它，但它仍然可以工作，因为回归应该通过所有水平线的中间。这种方法在案例4中非常有用，因为它忽略了附近的点

提示：
在创建线性回归时，尝试开发一种忽略异常值的方法，以实现“干净”回归

编辑：
更多解释

---

红线是线性回归的输出，现在对于每个点，取其浅蓝色线并找到交点。现在，对于交叉点，将其向上或向下（取决于哪个更接近）环绕到匹配的T级别。

Yonlif，请您用一个例子深入解释一下，因为我发现您所说的有点难。添加一个例子：）我感谢您的努力。如果我没弄错，请纠正我。因此，首先我们需要忽略所有的异常值。然后将曲线拟合到回归中，使直线穿过所有水平条的中心（因为这将消除因噪声引起的误差），最后尝试使用回归线找到T值，并指定最接近回归值的T值？是的，我想你非常了解我：），如果你对答案感到满意，你可以批准它。我还有一些疑问。在这种情况下，我们可以确定，当step函数中断（或开始获取新闻值）时，我们有噪声。那么，我们是否应该考虑这种噪音数据在我们的训练数据集或排除它，为什么？