Filter User-Defined

Membuat filter respons impuls terbatas atau tak terbatas kustom

Kategori: Transformasi/ Filter Data

Catatan

Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja

Modul seret dan letakkan serupa tersedia di perancang Azure Machine Learning.

Ringkasan Modul

Artikel ini menjelaskan cara menggunakan modul Filter yang Ditentukan Pengguna di Pembelajaran Mesin Studio (klasik), untuk menentukan filter kustom dengan menggunakan filter respons impuls terbatas (FIR) atau filter respons impuls tak terbatas (IIR) dengan koefisien yang Anda tentukan.

Filter adalah fungsi transfer yang mengambil sinyal input dan membuat sinyal output berdasarkan karakteristik filter. Untuk informasi umum selengkapnya tentang pengguna filter dalam pemrosesan sinyal digital, lihat Filter. Modul ini sangat berguna untuk menerapkan sekumpulan koefisien filter yang diturunkan sebelumnya ke data Anda.

Setelah menentukan filter yang memenuhi kebutuhan, Anda dapat menerapkan filter ke data dengan menyambungkan himpunan data dan filter ke modul Terapkan Filter .

Tip

Perlu memfilter data dari himpunan data atau menghapus nilai yang hilang? Gunakan modul ini sebagai gantinya:

• Bersihkan Data yang Hilang: Gunakan modul ini untuk menghapus nilai yang hilang atau mengganti nilai yang hilang dengan tempat penampung.
• Partisi dan Sampel: Gunakan modul ini untuk membagi atau memfilter himpunan data Anda berdasarkan kriteria seperti rentang tanggal, nilai tertentu, atau ekspresi reguler.
• Nilai Klip: Gunakan modul ini untuk mengatur rentang dan hanya menyimpan nilai dalam rentang tersebut.

Cara mengonfigurasi Filter User-Defined

1. Tambahkan modul Filter yang Ditentukan Pengguna ke eksperimen Anda di Studio (klasik). Anda dapat menemukan modul ini di bawah Transformasi Data, dalam kategori Filter .

2. Di panel Properti , pilih jenis filter: filter FIR, atau filter IIR.

3. Berikan koefisien untuk diterapkan dalam filter. Persyaratan untuk koefisien berbeda tergantung pada apakah Anda memilih filter FIR atau filter IIR.

   • Untuk filter FIR, Anda menentukan vektor koefisien feed-forward. Panjang vektor menentukan urutan filter. Filter FIR secara efektif merupakan rata-rata bergerak, sehingga nilai konfigurasi menerapkan rata-rata bergerak untuk memfilter urutan data.

   • Untuk filter IIR, Anda menerapkan koefisien feed-forward dan feed-backward kustom. Lihat bagian Contoh untuk beberapa tips.

4. Koneksi filter untuk Menerapkan Filter, dan menyambungkan himpunan data.

   Gunakan pemilih kolom untuk menentukan kolom himpunan data mana yang harus diterapkan filter. Secara default, modul Terapkan Filter akan menggunakan filter untuk semua kolom numerik yang dipilih.

5. Jalankan eksperimen.

   Transformasi yang ditentukan diterapkan ke kolom numerik yang dipilih hanya saat Anda menjalankan eksperimen menggunakan Terapkan Filter.

Contoh

Untuk contoh selengkapnya tentang bagaimana filter digunakan dalam pembelajaran mesin, lihat Galeri Azure AI:

• Filter: Menunjukkan semua jenis filter. Contohnya menggunakan himpunan data bentuk gelombang yang direkayasa untuk lebih mudah menggambarkan efek filter yang berbeda.

Contoh filter FIR: Rata-rata pergerakan tertimbang eksponensial

Untuk rata-rata pergerakan tertimbang eksponensial, semua koefisien kurang dari satu dan jumlah semua koefisien sama dengan satu. Oleh karena itu, varian rata-rata tertimbang akan selalu kurang dari nilai input.

Misalnya, untuk filter FIR untuk memperkirakan rata-rata pergerakan tertimbang eksponensial (WMA), Anda akan menyediakan daftar koefisien yang dipisahkan koma untuk nilai untuk parameter feed-forward:

0.01818182, 0.03636364, 0.05454545, 0.07272727, 0.09090909, 0.10909091, 0.12727273, 0.14545455, 0.16363636, 0.18181818

Contoh filter FIR: Rata-rata pergerakan tertimbang eksponensial (Interpolasi Deslauriers-Dubuc)

Filter FIR ini mempertaruhkan rata-rata pergerakan tertimbang segitiga (WMA). Anda menentukan koefisien dengan menyediakan serangkaian nilai yang dipisahkan koma untuk parameter feed-forward, seperti ini:

0.0625, 0.0625, 0.2500, 0.3750, 0.2500, 0.0625

Nilai yang digunakan dalam filter FIR kustom ini mewakili vektor koefisien umpan maju yang diperoleh dengan menggunakan metode Deslauriers-Dubuc pengurutan terbatas. Untuk informasi selengkapnya, lihat Subdivisi Dubuc-Deslauriers untuk Urutan Terbatas dan Wavelet Interpolasi pada Interval.

Contoh filter IIR: Filter notch

Contoh yang baik dari aplikasi untuk filter IIR yang ditentukan pengguna adalah menentukan filter notch, juga disebut filter bandstop. Filter notch yang diinginkan meredakan pita penolakan -3dB, fb, berpusat pada frekuensi notch, fn, dengan frekuensi pengambilan sampel, fs.

Dalam hal ini, filter notch digital dapat diwakili oleh rumus berikut:

Rumus ini mengasumsikan:

Dari rumus ini, kita bisa mendapatkan koefisien feed-forward:

Koefisien umpan mundur adalah sebagai berikut:

Contoh Filter IIR: Filter notch 2

Contoh berikut menunjukkan filter notch dengan frekuensi takik fn =1250 Hz dan -3 dB pita fb =100 Hzpenolakan , dengan frekuensi fs=10 kHzpengambilan sampel .

Dengan menggunakan rumus berikut, Anda mendapatkan a2 = 0.93906244 dan a1 = 1.3711242:

Dari ini, Anda bisa mendapatkan koefisien feed-forward (b) dan feed-backward (a) berikut:

b= 1.9390624, -2.7422484, 1.9390624

a= 1, -1.3711242, 0.9390624

Parameter modul

Nama	Rentang	Jenis	Default	Deskripsi
Jenis filter	apa pun	Respons Impuls		Tentukan tipe filter yang akan dikustomisasi
Maju	apa pun	String	"1.0"	Ketik serangkaian koefisien feed-forward
Mundur	apa pun	String	"1.0"	Ketik serangkaian koefisien filter umpan mundur

Output

Nama	Jenis	Deskripsi
Filter	Antarmuka IFilter	Implementasi filter

Pengecualian

Pengecualian	Deskripsi
ParameterParsing	Pengecualian terjadi jika satu atau beberapa parameter tidak dapat diurai atau dikonversi dari jenis yang ditentukan ke dalam jenis yang diperlukan oleh metode target.

Untuk daftar kesalahan khusus untuk modul Studio (klasik), lihat kode Kesalahan Pembelajaran Mesin.

Untuk daftar pengecualian API, lihat Pembelajaran Mesin Kode Kesalahan REST API.

Lihat juga

Terapkan Filter
Daftar Modul A-Z