Filtro de media móvil
Importante
El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.
- Consulte la información acerca de traslado de proyectos de aprendizaje automático de ML Studio (clásico) a Azure Machine Learning.
- Más información sobre Azure Machine Learning.
La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.
Crea un filtro de media móvil que se usa para suavizar los datos para análisis de tendencias
Categoría: Transformación de datos/Filtro
Nota
Se aplica a: solo Machine Learning Studio (clásico)
Hay módulos para arrastrar y colocar similares en el diseñador de Azure Machine Learning.
Información general sobre el módulo
En este artículo se describe cómo usar el módulo Filtro de media móvil en Machine Learning Studio (clásico), para calcular una serie de promedios de un lado o de dos lados sobre un conjunto de datos, mediante una longitud de ventana que especifique.
Después de definir un filtro que satisfaga sus necesidades, puede aplicarlo a las columnas seleccionadas de un conjunto de datos conectándolo al módulo Aplicar filtro . El módulo realiza todos los cálculos y reemplaza los valores de las columnas numéricas por las medias móviles correspondientes.
Puede usar la media móvil resultante para trazado y visualización como una nueva línea base suave para modelado, para el cálculo de varianzas frente a cálculos para períodos similares, etc.
Sugerencia
¿Necesita filtrar los datos de un conjunto de datos o quitar los valores que faltan? Use estos módulos en su lugar:
- Limpiar datos que faltan: use este módulo para quitar los valores que faltan o reemplazar los valores que faltan por marcadores de posición.
- Partición y ejemplo: use este módulo para dividir o filtrar el conjunto de datos por criterios como un intervalo de fechas, un valor específico o expresiones regulares.
- Recortar valores: use este módulo para establecer un intervalo y mantener solo los valores dentro de ese intervalo.
Descripción y uso de medias móviles
Este tipo de media le ayuda a revelar y pronosticar patrones temporales útiles en datos retrospectivos y datos en tiempo real. El tipo más sencillo de media móvil empieza en algunos ejemplos de la series y usa la media de esa posición más las posiciones n anteriores en lugar del valor real. (Puede definir n como quiera). Cuanto más largo sea el período n en el que se calcula el promedio, menos varianza tendrá entre los valores. Además, a medida que aumenta el número de valores que se usan, se reduce el efecto de cualquier valor único en la media resultante.
Una media móvil puede ser de un lado o dos lados. En una media de un lado, solo se usan los valores anteriores al valor de índice. En una media de dos lados, se usan valores pasados y futuros.
Para escenarios en los que se están leyendo datos de transmisión por secuencias, las medias móviles acumuladas y ponderadas son especialmente útiles. Una media móvil acumulada tiene en cuenta los puntos anteriores al período actual.
Puede ponderar igualmente todos los puntos de datos al calcular la media o puede asegurarse de que los valores más próximos al punto de datos actual se ponderen más fuerte. En una media móvil ponderada, todo los pesos deben sumar 1.
En una media móvil exponencial, las medias constan de un encabezado y un final, que se puede ponderar. Un final ponderado ligero significa que el final está muy cerca del encabezado, por lo que la media se comporta como una media móvil en un período corto de ponderación. Cuanto más pese el final, más se comportará la media como una media móvil simple más larga.
Configuración del filtro de media móvil
Agregue el módulo Filtro de media móvil al experimento. Puede encontrar este módulo en Transformación de datos, en la categoría Filtro .
En Longitud, escriba un valor de número entero positivo que defina el tamaño total de la ventana en la que se aplica el filtro. Esto también se denomina máscara de filtro. Para una media móvil, la longitud del filtro determina cuántos valores se calculan en la ventana deslizante.
Los filtros más largos también se denominan filtros de orden superior y proporcionan una ventana de cálculo más grande y una aproximación más cercana de la línea de tendencia.
Los filtros de orden más corto o inferior usan una ventana de cálculo más pequeña y se asemejan más a los datos originales.
En Tipo, elija el tipo de media móvil que se va a aplicar.
Machine Learning Studio (clásico) admite los siguientes tipos de cálculos de media móvil:
Simple: una media móvil simple (SMA) se calcula como una media gradual no ponderada.
Triangular: las medias móviles triangulares (TMA) se calculan dos veces para una línea de tendencia más suave. La palabra triangular se deriva de la forma de los pesos que se aplican a los datos, lo que destaca los valores centrales.
Exponencial Simple: una media móvil exponencial (EMA) da más peso a los datos más recientes. La ponderación disminuye exponencialmente.
Exponencial: una media móvil exponencial modificada calcula una media móvil en ejecución, donde calcular la media móvil en cualquier punto considera la media móvil calculada previamente en todos los puntos anteriores. Este método produce una línea de tendencia más fluida.
Acumulado: dado un único punto y una media móvil actual, la media móvil acumulativa (CMA) calcula la media móvil en el punto actual.
Agregue el conjunto de datos que tiene los valores para los que desea calcular una media móvil y agregue el módulo Aplicar filtro .
Conectar el filtro de media móvil a la entrada izquierda de Aplicar filtro y conecte el conjunto de datos a la entrada de la derecha.
En el módulo Aplicar filtro , use el selector de columnas para especificar a qué columnas se debe aplicar el filtro. De forma predeterminada, la transformación de filtro se aplica a todas las columnas numéricas, por lo que asegúrese de excluir las columnas que no tengan los datos adecuados.
Ejecute el experimento.
Para cada conjunto de valores definidos por el parámetro de longitud del filtro, el valor actual (o índice) se reemplaza por el valor medio móvil.
Ejemplos
Para obtener ejemplos de cómo se usan los filtros en el aprendizaje automático, consulte este experimento en la Galería de Azure AI:
- Filtros: en este experimento se muestran todos los tipos de filtro mediante un conjunto de datos de forma de onda diseñada.
Parámetros del módulo
| Nombre | Intervalo | Tipo | Valor predeterminado | Descripción |
|---|---|---|---|---|
| Length | >=1 | Entero | 5 | Establecer la longitud de la ventana de la media móvil |
| Tipo | Any | MovingAverageType | Especificar el tipo de media móvil para crear |
Salidas
| Nombre | Tipo | Descripción |
|---|---|---|
| Filter | Interfaz IFilter | Implementación del filtro |
Consulta también
Filter
Aplicar filtro
Lista de módulos A-Z
Ejemplos de filtros adicionales