Framtida syn växthusgaser System - prediktiv växter på molnet! (5 / 7 steg)
Steg 5: Predicitive algoritm
Nu, för roligt delen. Framtida syn!
För att genomföra den prediktiva algoritmen, kommer vi att använda en Maskininlärning teknik som kallas Linjär Regression. Det uppskattar de framtida värdena för en datamängd av kör en linje genom alla datapunkter, och fastställa bäst passar med hjälp av minsta kvadratmetoden. Enkelt uttryckt, det växlar mellan alla möjliga linje värden i rymden, och beslutar att den med minst fel eller avvikelse i behandlingen är den bästa passformen. Denna linje är sedan extrapoleras för att hitta nästa värde i datamängden. Eftersom våra dataset är en tidsserie set, Nästa punkt motsvarar den kommande behandlingen i tid!
Så nu när vi har datamängden punkter i vår databas, kan vi använda paketen numpy och matplotlib i Python att rita denna data och extrapolera linjen för att hitta det nästa värdet. När detta förutspådde värdet hittas, skickar Raspberry Pi det till Intel Edison, där det jämförs med det befintliga värdet. Om det befintliga värdet understiger det förväntade värdet, växlar Edison på pumpen att vattna växten.
Du kan implementera denna algoritm i MatLab samt med hjälp av bifogade provet. Hämta dina värden från Thingspeak som en CSV-fil och kopiera dem till mappen där dina MatLab körbara. På utförandet, bör du få en linjär anpassade linjen som visas.