Mediánszűrő
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.
Mediánszűrőt 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 Mediánszűrő modul a Machine Learning Studio (klasszikus) alkalmazásban egy digitális bemeneti jelet vagy képet ábrázoló értékek sorozatára alkalmazott mediánszűrő meghatározásához.
A médiaszűrőket széles körben használják a képfelismerésben a zaj csökkentése érdekében, hogy a funkciók könnyebben észlelhetők legyenek.
Megjegyzés
A szűrő olyan átviteli függvény, amely bemeneti jelet vesz fel, és a szűrő jellemzői alapján kimeneti jelet hoz létre. A digitális jelfeldolgozás során a szűrők használata javíthatja a kép- vagy hangfelismerés eredményeit. További információ: Szűrő.
Miután definiált egy szűrőátalakítást, amely megfelel az igényeinek a Mediánszűrő modul használatával, alkalmazhatja a szűrőt az adatokra úgy, hogy csatlakoztat egy adatkészletet és a szűrőt a Szűrő alkalmazása modulhoz.
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.
Mediánszűrő konfigurálása
Adja hozzá a mediánszűrőt a kísérlethez. Ezt a modult a Szűrő kategóriában, az Adatátalakítás területen találja.
A Length (Hossz) mezőbe írjon be egy egész számot, amely meghatározza annak az ablaknak a teljes méretét, amelyre a szűrő alkalmazva van. Ezt szűrőmaszknak is nevezik.
Az értéknek páratlan, pozitív értékű egész számnak kell lennie. Ha páros számot ad meg, a maszk mérete eggyel csökken.
Alapértelmezés szerint a maszk az aktuális értéknél kezdődik, és az aktuális értékre középre igazítva hoz létre egy ablakot.
Ha például az 5 értéket adja meg a hossz vagy az ablak méreteként, a medián értékét egy olyan csúszóablakban számítja ki a rendszer, amely 5 értéket tartalmaz, és az aktuális értékre van igazítva. Ha 4-et ír be, a maszk 3 értékre lesz csökkentve, az index értéke alapján.
Csatlakozás szűrőt a Szűrő alkalmazása gombra, és csatlakoztassa az adathalmazt.
Az oszlopválasztóval megadhatja, hogy az adathalmaz mely oszlopaira alkalmazza a szűrőt. Alapértelmezés szerint a Szűrő alkalmazása modul az összes kijelölt numerikus oszlophoz használja a szűrőt.
Futtassa a kísérletet. A rendszer a következő műveleteket alkalmazza a kijelölt oszlopokra:
- Az ablakban vagy maszkban szereplő értékek mindegyik halmaza esetében a szűrő algoritmus kiszámítja a mediánt.
- Az aktuális (vagy index) érték helyébe a mediánérték 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.
Műszaki megjegyzések
Ez a szakasz implementálási részleteket, tippeket és válaszokat tartalmaz a gyakori kérdésekre.
Megvalósítás részletei
A kimeneti jel minden egyes bejegyzése megegyezik a bemeneti jel egy részhalmazában (maszkjában) lévő bejegyzések mediánjának, és a megfelelő index középpontjában áll. A maszk méretének páratlan, pozitív értékű egész számnak kell lennie.
Ha egyenletes maszkméretet ad meg ennek a módszernek, az egyel csökken. A megadott m=2q+1szűrő például a következőképpen van definiálva: yi = median[{xi-q,…, xi+q}]
A bemeneti jel határain túli értékek feltételezett értéke megegyezik a határnál megadott értékkel. Vagyis ha n a bemeneti jel hossza:
A mediánszűrőkről szóló további információkért ez a Wikipédia-cikk jó magyarázatot ad az elméletre és az alkalmazásra:
Modulparaméterek
| Name | Tartomány | Típus | Alapértelmezett | Description |
|---|---|---|---|---|
| Hossz | >=1 | Egész szám | 5 | A szűrőablak hossza |
Kimenet
| Név | Típus | Description |
|---|---|---|
| Szűrő | IFilter interfész | Szűrőimplementáció |