Modeller, ingeniører kan læse.
Find kompakte sammenhænge i data fra prøvebænke, sensorer, processer og simuleringer. Sammenlign prognosefejl med ligningens kompleksitet, før modellen ender i en rapport eller kodebase.
ΔP = 0.42Q² + 1.7QBygget omkring dine beslutninger
Equarith hjælper mennesker, der har brug for mere end en prognose: De har brug for en ligning, de kan udfordre, forklare og bruge.
Find kompakte sammenhænge i data fra prøvebænke, sensorer, processer og simuleringer. Sammenlign prognosefejl med ligningens kompleksitet, før modellen ender i en rapport eller kodebase.
ΔP = 0.42Q² + 1.7QKalibrér sensorer, karakterisér en konstruktion, og omdan forsøgslogfiler til ligninger, du kan køre i kode eller et regneark.
T = 0.018r + 2.4Gå fra data til kandidatligninger, og undervis derefter i tilpasning, kompleksitet, overtilpasning og validering med resultater, eleverne kan undersøge.
error ↔ complexityKør reproducerbare søgninger, sammenlign ikke-dominerede kandidater, og eksportér modeller til videre analyse.
seed = 240618En fundet sammenhæng er en model af dataene, ikke et bevis på årsagssammenhæng.
Forhåndsvisning
Visninger af tilpasning, Paretofront, residualer, korrelation, søgehistorik og prognoser holder dokumentationen tæt på formlen.
Equarith Free
Ingen konto nødvendig · Gratis til op til 200 rækker og 4 inputvariabler