Mediaanfilter
Belangrijk
De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.
Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.
- Zie informatie over het verplaatsen van machine learning-projecten van ML Studio (klassiek) naar Azure Machine Learning.
- Meer informatie over Azure Machine Learning.
De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.
Hiermee maakt u een mediaanfilter dat wordt gebruikt om gegevens voor trendanalyse soepel te maken
Categorie: Gegevenstransformatie/filter
Notitie
Van toepassing op: alleen Machine Learning Studio (klassiek)
Vergelijkbare modules voor slepen en neerzetten zijn beschikbaar in Azure Machine Learning designer.
Moduleoverzicht
In dit artikel wordt beschreven hoe u de mediaanfiltermodule in Machine Learning Studio (klassiek) gebruikt om een mediaanfilter te definiëren voor het toepassen op een reeks waarden die een digitaal invoersignaal of afbeelding vertegenwoordigen.
Mediaanfilters worden veel gebruikt in afbeeldingsherkenning om ruis te verminderen, zodat functies gemakkelijker kunnen worden gedetecteerd.
Notitie
Een filter is een overdrachtsfunctie die een invoersignaal gebruikt en een uitvoersignaal maakt op basis van de filterkenmerken. Bij digitale signaalverwerking kan het gebruik van filters de resultaten van beeld- of spraakherkenning verbeteren. Zie Filter voor meer informatie.
Nadat u een filtertransformatie hebt gedefinieerd die aan uw behoeften voldoet met behulp van de mediaanfiltermodule , kunt u het filter toepassen op gegevens door een gegevensset en het filter te verbinden met de module Filter toepassen .
Tip
Wilt u gegevens uit een gegevensset filteren of ontbrekende waarden verwijderen? Gebruik in plaats daarvan deze modules:
- Ontbrekende gegevens opschonen: gebruik deze module om ontbrekende waarden te verwijderen of ontbrekende waarden te vervangen door tijdelijke aanduidingen.
- Partitie en voorbeeld: Gebruik deze module om uw gegevensset te delen of te filteren op criteria zoals een datumbereik, een specifieke waarde of reguliere expressies.
- Clipwaarden: Gebruik deze module om een bereik in te stellen en alleen de waarden binnen dat bereik te behouden.
Mediaanfilter configureren
Voeg het mediaanfilter toe aan uw experiment. U vindt deze module onder Gegevenstransformatie in de categorie Filter .
Typ voor Lengte een geheel getal dat de totale grootte van het venster definieert waarop het filter wordt toegepast. Dit wordt ook wel het filtermasker genoemd.
De waarde moet een oneven, positief gewaardeerd geheel getal zijn. Als u een even getal opgeeft, wordt de maskergrootte met één verkleind.
Standaard begint het masker bij de huidige waarde en wordt een venster gemaakt dat is gecentreerd op de huidige waarde.
Als u bijvoorbeeld 5 typt als lengte of venstergrootte, wordt de mediaanwaarde berekend in een schuifvenster dat bestaat uit 5 waarden die zijn gecentreerd op de huidige waarde. Als u 4 typt, wordt het masker teruggebracht tot 3 waarden, gecentreerd op de indexwaarde.
Verbinding maken het filter op Filter toepassen en verbinding maken met een gegevensset.
Gebruik de kolomkiezer om op te geven welke kolommen van de gegevensset waarop het filter moet worden toegepast. De module Filter toepassen gebruikt standaard het filter voor alle geselecteerde numerieke kolommen.
Voer het experiment uit. De volgende bewerkingen worden toegepast op de geselecteerde kolommen:
- Voor elke set waarden die zijn opgenomen in het venster of masker, berekent het filteralgoritmen de mediaan.
- De huidige waarde (of index) wordt vervangen door de mediaanwaarde.
Voorbeelden
Zie dit experiment in de Azure AI Gallery voor voorbeelden van hoe filters worden gebruikt in machine learning:
- Filters: In dit experiment worden alle filtertypen gedemonstreerd met behulp van een ontworpen waveform-gegevensset.
Technische opmerkingen
Deze sectie bevat implementatiedetails, tips en antwoorden op veelgestelde vragen.
Implementatiegegevens
Elke vermelding in het uitvoersignaal is gelijk aan de mediaan van de vermeldingen in een subset (masker) van het invoersignaal en gecentreerd op de bijbehorende index. De maskergrootte moet een oneven, positief gewaardeerd geheel getal zijn.
Als u deze methode met een gelijkmatige maskergrootte opgeeft, wordt deze met één verkleind. Het m=2q+1filter wordt bijvoorbeeld gedefinieerd als: yi = median[{xi-q,…, xi+q}]
Waarden buiten de randen van het invoersignaal worden verondersteld gelijk te zijn aan de waarde aan de rand. Dat wil gezegd, als n de lengte van het invoersignaal is:
Voor meer informatie over mediaanfilters biedt dit Wikipedia-artikel een goede uitleg van de theorie en toepassing:
Moduleparameters
| Name | Bereik | Type | Standaard | Beschrijving |
|---|---|---|---|---|
| Lengte | >=1 | Geheel getal | 5 | Lengte van het filtervenster |
Uitvoer
| Naam | Type | Beschrijving |
|---|---|---|
| Filter | IFilter-interface | Implementatie filteren |