GoStats 项目技术文档

1. 安装指南

环境准备

在开始安装之前，请确保已经正确配置了 Go 语言的开发环境。可以参考 How to Write Go Code 和 screencast 来设置 Go 环境。

安装步骤

1. 进入项目目录：

   $ cd goProjects/src/GoStats/stats
   

2. 运行测试以确保包的正确性：

   $ go test -v --bench='.'
   

3. 安装 stats 包：

   $ go install
   

4. 运行描述性统计演示：

   $ cd ../descriptive_statistics_demo/
   $ go build
   $ ./descriptive_statistics_demo
   

5. 运行回归演示：

   $ cd ../regression_demo/
   $ go build
   $ ./regression_demo
   

2. 项目使用说明

描述性统计

GoStats 包提供了两种计算描述性统计的方式：批量模式和增量模式。

批量模式

批量模式是传统的计算方式，适用于已有一个数组的情况。函数名以 Stats 开头。

a := []float64{1.0, 2.0, 3.0, 4.0, 5.0}
populationVariance := StatsPopulationVariance(a)   // = 2.0
sampleVariance := StatsSampleVariance(a)           // = 2.5

增量模式

增量模式适用于数据逐个或少量生成的情况，节省内存。首先声明一个 Stats 结构体，然后逐个更新。

var d stats.Stats
d.Update(x)

count := d.Count()
min := d.Min()
max := d.Max()
sum := d.Sum()
mean := d.Mean()
standardDeviation := d.SampleStandardDeviation()
variance := d.SampleVariance()
skew := d.SampleSkew()
kurtosis := d.SampleKurtosis()

线性回归

线性回归同样支持增量和批量模式。

增量模式

声明一个 Regression 结构体，逐个更新数据。

var r stats.Regression
r.Update(x, y)

slope := r.Slope()
intercept := r.Intercept()
r_squared := r.RSquared()
count := r.Count()
slopeStdErr := r.SlopeStandardError()
interceptStdErr := r.InterceptStandardError()

批量模式

直接传入 x 和 y 数组进行计算。

var slope, intercept, rsquared, count, slopeStdErr, intcptStdErr = LinearRegression(xData, yData)

3. 项目API使用文档

描述性统计API

• StatsPopulationVariance(a []float64) float64：计算总体方差。
• StatsSampleVariance(a []float64) float64：计算样本方差。
• Stats.Update(x float64)：增量更新单个值。
• Stats.UpdateArray(a []float64)：增量更新数组。
• Stats.Count() int：返回数据点数量。
• Stats.Min() float64：返回最小值。
• Stats.Max() float64：返回最大值。
• Stats.Sum() float64：返回总和。
• Stats.Mean() float64：返回均值。
• Stats.SampleStandardDeviation() float64：返回样本标准差。
• Stats.SampleVariance() float64：返回样本方差。
• Stats.SampleSkew() float64：返回样本偏度。
• Stats.SampleKurtosis() float64：返回样本峰度。

线性回归API

• Regression.Update(x, y float64)：增量更新单个数据点。
• Regression.UpdateArray(xData, yData []float64)：增量更新数组。
• Regression.Slope() float64：返回斜率。
• Regression.Intercept() float64：返回截距。
• Regression.RSquared() float64：返回R平方值。
• Regression.Count() int：返回数据点数量。
• Regression.SlopeStandardError() float64：返回斜率标准误差。
• Regression.InterceptStandardError() float64：返回截距标准误差。

4. 项目安装方式

安装 stats 包

$ cd goProjects/src/GoStats/stats
$ go test -v --bench='.'
$ go install

运行演示

• 描述性统计演示：

  $ cd ../descriptive_statistics_demo/
  $ go build
  $ ./descriptive_statistics_demo
  

• 回归演示：

  $ cd ../regression_demo/
  $ go build
  $ ./regression_demo