Filtr klouzavého průměru
Důležité
Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.
Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).
- Přečtěte si informace o přesunu projektů strojového učení z ML Studia (classic) do Azure Machine Learning.
- Přečtěte si další informace o Azure Machine Learning.
Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.
Vytvoří klouzavý průměr filtru, který slouží k hladkému zpracování dat pro analýzu trendu.
Kategorie: Transformace dat / filtr
Poznámka
Platí pro: pouze Machine Learning Studio (classic)
Podobné moduly pro přetažení jsou dostupné v návrháři Azure Machine Learning.
Přehled modulu
Tento článek popisuje použití modulu klouzavý průměr filtru v Machine Learning Studiu (classic) k výpočtu řady jednostranných nebo dvoustranných průměrů v datové sadě pomocí zadané délky okna.
Jakmile definujete filtr, který vyhovuje vašim potřebám, můžete ho použít u vybraných sloupců v datové sadě tak, že ho připojíte k modulu Použít filtr . Modul provede všechny výpočty a nahradí hodnoty v rámci číselných sloupců odpovídajícími klouzavými průměry.
Výsledný klouzavý průměr můžete použít pro vykreslení a vizualizaci jako nový hladký směrný plán pro modelování, výpočet odchylek proti výpočtům pro podobné období atd.
Tip
Potřebujete filtrovat data z datové sady nebo odebrat chybějící hodnoty? Místo toho použijte tyto moduly:
- Vyčištění chybějících dat: Pomocí tohoto modulu odeberte chybějící hodnoty nebo nahraďte chybějící hodnoty zástupnými symboly.
- Oddíl a ukázka: Tento modul slouží k rozdělení nebo filtrování datové sady podle kritérií, jako je rozsah kalendářních dat, konkrétní hodnota nebo regulární výrazy.
- Hodnoty klipů: Tento modul slouží k nastavení rozsahu a zachování pouze hodnot v daném rozsahu.
Principy a používání klouzavých průměrů
Tento typ průměru vám pomůže odhalit a předpovídat užitečné časové vzory v retrospektivách a datech v reálném čase. Nejjednodušší typ klouzavého průměru začíná na některém vzorku řady a používá průměr této pozice plus předchozí n pozice místo skutečné hodnoty. (Můžete definovat n podle potřeby.) Čím delší je období n, ve kterém se vypočítá průměr, tím menší rozptyl mezi hodnotami budete mít. Když také zvýšíte počet použitých hodnot, tím menší vliv má každá jedna hodnota na výsledný průměr.
Klouzavý průměr může být jednostranný nebo oboustranný. V jednorázovém průměru se použijí pouze hodnoty předcházející hodnotě indexu. V oboustranné průměru se použijí předchozí a budoucí hodnoty.
Pro scénáře, ve kterých čtete streamovaná data, jsou zvláště užitečné kumulativní a vážené klouzavé průměry. Kumulativní klouzavý průměr bere v úvahu body předcházející aktuálnímu období.
Při výpočtu průměru můžete váhou všech datových bodů stejně nebo můžete zajistit, aby hodnoty blížící se aktuálnímu datovému bodu byly váženy silněji. V vážené klouzavém průměru musí všechny váhy sčítat na 1.
V exponenciálním klouzavém průměru se průměry skládají z hlavy a ocasu, který lze váhou. Mírně vážený ocas znamená, že ocas se řídí hlavou poměrně těsně, takže průměr se chová jako klouzavý průměr v krátkém vážené období. Pokud jsou hmotnosti ocasu těžší, průměr se chová spíše jako delší jednoduchý klouzavý průměr.
Konfigurace filtru klouzavého průměru
Přidejte do experimentu modul Klouzavý průměr filtru . Tento modul najdete v části Transformace dat v kategorii Filtr .
Jako délka zadejte kladnou celočíselnou hodnotu, která definuje celkovou velikost okna, ve kterém se filtr použije. Označuje se také jako maska filtru. U klouzavého průměru určuje délka filtru, kolik hodnot se v posuvném okně průměruje.
Delší filtry se označují také jako vyšší filtry pořadí a poskytují větší okno výpočtu a bližší aproximaci spojnice trendu.
Kratší nebo nižší filtry pořadí používají menší okno výpočtu a přesněji se podobají původním datům.
V části Typ zvolte typ klouzavého průměru, který chcete použít.
Machine Learning Studio (classic) podporuje následující typy klouzavých výpočtů:
Jednoduché: Jednoduchý klouzavý průměr (SMA) se vypočítá jako nevážný průměr válcování.
Triangular: Trojúhelníkové klouzavé průměry (TMA) jsou průměrovány dvakrát pro plynulejší trendovou čáru. Slovo triangular je odvozeno z tvaru váhy, které se použijí na data, což zvýrazňuje centrální hodnoty.
Exponenciální jednoduché: Exponenciální klouzavý průměr (EMA) dává větší váhu nejnovějším datům. Hmotnost se exponenciálně sníží.
Exponenciální: Upravený exponenciální klouzavý průměr vypočítá průběžný klouzavý průměr, kde výpočet klouzavého průměru v libovolném bodě považuje za dříve vypočítaný klouzavý průměr na všech předchozích bodech. Tato metoda poskytuje plynulejší spojnici trendu.
Kumulativní: Vzhledem k jednomu bodu a aktuálnímu klouzavému průměru se kumulativní klouzavý průměr (CMA) vypočítá klouzavý průměr v aktuálním bodě.
Přidejte datovou sadu s hodnotami, pro které chcete vypočítat klouzavý průměr, a přidejte modul Použít filtr .
Připojení filtr klouzavého průměru na levý vstup použít filtr a připojte datovou sadu ke vstupu zprava.
V modulu Použít filtr použijte selektor sloupců k určení sloupců, na které se má filtr použít. Ve výchozím nastavení se transformace filtru použije u všech číselných sloupců, proto nezapomeňte vyloučit všechny sloupce, které neobsahují příslušná data.
Spusťte experiment.
Pro každou sadu hodnot definovaných parametrem délky filtru se aktuální (nebo index) hodnota nahradí klouzavým průměrem.
Příklady
Příklady použití filtrů ve strojovém učení najdete v tomto experimentu v galerii Azure AI:
- Filtry: Tento experiment ukazuje všechny typy filtrů pomocí vytvořené datové sady waveformu.
Parametry modulu
| Name | Rozsah | Typ | Výchozí | Popis |
|---|---|---|---|---|
| Délka | >=1 | Integer | 5 | Nastavení délky klouzavého průměru okna |
| Typ | Všechny | MovingAverageType | Zadejte typ klouzavého průměru, který chcete vytvořit. |
Výstupy
| Název | Typ | Popis |
|---|---|---|
| Filtrovat | IFilter – rozhraní | Implementace filtru |