Mozgóátlag szűrő
Fontos
A (klasszikus) Machine Learning Studio támogatása 2024. augusztus 31-én megszűnik. Javasoljuk, hogy addig térjen át az Azure Machine Learning használatára.
2021. december 1-től kezdve nem fog tudni létrehozni új (klasszikus) Machine Learning Studio-erőforrásokat. 2024. augusztus 31-ig továbbra is használhatja a meglévő (klasszikus) Machine Learning Studio-erőforrásokat.
- A gépi tanulási projekteknek a (klasszikus) ML Studióból a Azure Machine Learning való áthelyezésére vonatkozó információk.
- További információ a Azure Machine Learning.
A (klasszikus) ML Studio dokumentációjának kivezetése folyamatban van, és a jövőben nem várható a frissítése.
Mozgóátlag-szűrőt hoz létre, amellyel zökkenőmentessé teszi az adatokat a trendelemzéshez
Kategória: Adatátalakítás /Szűrő
Megjegyzés
Csak a következőre vonatkozik: Machine Learning Studio (klasszikus)
Hasonló húzási modulok érhetők el Azure Machine Learning tervezőben.
A modul áttekintése
Ez a cikk azt ismerteti, hogyan használható a (klasszikus) Machine Learning Studio Mozgóátlag szűrő modulja egy adathalmaz egy- vagy kétoldalas átlagainak kiszámítására egy megadott ablakhosszúság használatával.
Miután meghatározta az igényeinek megfelelő szűrőt, alkalmazhatja azt egy adathalmaz kijelölt oszlopaira, ha csatlakoztatja a Szűrő alkalmazása modulhoz. A modul elvégzi az összes számítást, és a numerikus oszlopokban lévő értékeket a megfelelő mozgóátlagokra cseréli.
Az eredményül kapott mozgóátlagot a diagramkészítéshez és a vizualizációhoz használhatja a modellezés új, zökkenőmentes alapkonfigurációjaként, a hasonló időszakok számításainak varianciáinak kiszámításához és így tovább.
Tipp
Szűrnie kell egy adatkészlet adatait, vagy el kell távolítania a hiányzó értékeket? Használja inkább ezeket a modulokat:
- Hiányzó adatok törlése: Ezzel a modullal eltávolíthatja a hiányzó értékeket, vagy helyőrzőkre cserélheti a hiányzó értékeket.
- Particionálás és minta: Ezzel a modullal oszthatja el vagy szűrheti az adathalmazt olyan feltételek szerint, mint a dátumtartomány, egy adott érték vagy reguláris kifejezés.
- Értékek kivágása: Ezzel a modullal tartományt állíthat be, és csak a tartományon belüli értékeket tarthatja meg.
Mozgóátlagok ismertetése és használata
Ez az átlagtípus segít a hasznos időbeli minták feltárásában és előrejelzésében a visszamenőleges és valós idejű adatokban. A mozgóátlag legegyszerűbb típusa a sorozat egy mintájánál kezdődik, és a tényleges érték helyett az adott pozíció és az előző n pozíció átlagát használja. (Az n-t tetszés szerint definiálhatja.) Minél hosszabb az n időszak, amelyre az átlag számítva van, annál kisebb lesz az értékek közötti eltérés. Emellett a használt értékek számának növelésekor minél kisebb hatással van egy érték az eredményként kapott átlagra.
A mozgóátlag lehet egy- vagy kétoldalas. Egyoldalas átlagban a rendszer csak az indexérték előtti értékeket használja. A kétoldalas átlagban múltbeli és jövőbeli értékeket használunk.
Az olyan forgatókönyvek esetében, amelyekben streamelési adatokat olvas, az összesített és súlyozott mozgóátlagok különösen hasznosak. Az összesített mozgóátlag az aktuális időszak előtti pontokat veszi figyelembe.
Az átlag kiszámításakor az összes adatpontot egyformán súlyozással láthatja el, vagy biztosíthatja, hogy az aktuális adatponthoz közelebbi értékek súlyozása erősebb legyen. Súlyozott mozgóátlag esetén az összes súlynak 1-nek kell lennie.
Exponenciális mozgóátlagban az átlagok egy fejből és egy farokból állnak, amely súlyozott. Az enyhén súlyozott farok azt jelenti, hogy a farok meglehetősen szorosan követi a fejet, így az átlag mozgó átlagként viselkedik egy rövid súlyozási időszakban. Ha a farok súlya nehezebb, az átlag jobban viselkedik, mint egy hosszabb egyszerű mozgó átlag.
Mozgóátlag-szűrő konfigurálása
Adja hozzá a Mozgóátlag szűrő modult a kísérlethez. Ezt a modult a Szűrő kategóriában, az Adatátalakítás területen találja.
A Hossz mezőbe írjon be egy pozitív egész számértéket, amely meghatározza annak az ablaknak a teljes méretét, amelyre a szűrő alkalmazva van. Ezt szűrőmaszknak is nevezik. Mozgóátlag esetén a szűrő hossza határozza meg, hogy hány érték van átlagban a csúszóablakban.
A hosszabb szűrőket magasabb rendű szűrőknek is nevezik, és nagyobb számítási időt és a trendvonal közelebbi közelítését biztosítják.
A rövidebb vagy alacsonyabb sorrendű szűrők kisebb számítási időszakot használnak, és jobban hasonlítanak az eredeti adatokra.
Típus esetén válassza ki az alkalmazni kívánt mozgóátlag típusát.
Machine Learning Studio (klasszikus) a következő típusú mozgóátlag-számításokat támogatja:
Egyszerű: Az egyszerű mozgóátlag (SMA) számítása nem súlyozott gördülő középértékként történik.
Háromszög: A háromszög mozgóátlagokat (TMA) kétszer átlagoltuk a egyenletesebb trendvonal érdekében. A háromszög szó az adatokra alkalmazott súlyok alakjából származik, amely a központi értékeket emeli ki.
Exponenciális egyszerű: Az exponenciális mozgóátlag (EMA) nagyobb súlyt ad a legfrissebb adatoknak. A súlyozás exponenciálisan csökken.
Exponenciális: A módosított exponenciális mozgóátlag egy futó mozgóátlagot számít ki, ahol a mozgóátlag kiszámítása egy adott ponton a korábban kiszámított mozgóátlagot veszi figyelembe az összes korábbi ponton. Ez a módszer egyenletesebb trendvonalat eredményez.
Kumulatív: Egy adott pont és egy aktuális mozgóátlag alapján az összesített mozgóátlag (CMA) az aktuális pont mozgóátlagát számítja ki.
Adja hozzá azt az adatkészletet, amelynek értékeihez mozgóátlagot szeretne kiszámítani, majd adja hozzá a Szűrő alkalmazása modult.
Csatlakozás a Mozgóátlag szűrőt a Szűrő alkalmazása bal oldali bemenetéhez, és csatlakoztassa az adathalmazt a jobb oldali bemenethez.
A Szűrő alkalmazása modulban az oszlopválasztóval adja meg, hogy mely oszlopokra alkalmazza a szűrőt. Alapértelmezés szerint a szűrőátalakítás az összes numerikus oszlopra vonatkozik, ezért mindenképpen zárja ki azokat az oszlopokat, amelyek nem rendelkeznek megfelelő adatokkal.
Futtassa a kísérletet.
A szűrőhossz paraméter által meghatározott értékek mindegyik halmaza esetében az aktuális (vagy index) érték helyébe a mozgó átlagérték lép.
Példák
Példák a szűrők gépi tanulásban való felhasználására az Azure AI-katalógusban található kísérletben:
- Szűrők: Ez a kísérlet az összes szűrőtípust bemutatja egy megtervezett hullámforma-adatkészlet használatával.
Modulparaméterek
| Name | Tartomány | Típus | Alapértelmezett | Leírás |
|---|---|---|---|---|
| Hossz | >=1 | Egész szám | 5 | A mozgóátlag-ablak hosszának beállítása |
| Típus | Bármelyik | MovingAverageType | A létrehozandó mozgóátlag típusának megadása |
Kimenetek
| Név | Típus | Leírás |
|---|---|---|
| Szűrő | IFilter interfész | Szűrőimplementáció |