Filter voor zwevend gemiddelde

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 zwevend gemiddelde filter dat wordt gebruikt voor vloeiende gegevens voor trendanalyse

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 module Moving Average Filter in Machine Learning Studio (klassiek) gebruikt om een reeks eenzijdige of tweezijdige gemiddelden voor een gegevensset te berekenen met behulp van een vensterlengte die u opgeeft.

Nadat u een filter hebt gedefinieerd dat aan uw behoeften voldoet, kunt u dit toepassen op geselecteerde kolommen in een gegevensset door het te verbinden met de module Filter toepassen . De module voert alle berekeningen uit en vervangt waarden in numerieke kolommen door overeenkomende zwevende gemiddelden.

U kunt het resulterende zwevende gemiddelde gebruiken voor plotting en visualisatie, als een nieuwe vloeiende basislijn voor modellering, voor het berekenen van afwijkingen op basis van berekeningen voor vergelijkbare perioden, enzovoort.

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.

Inzicht in en het gebruik van zwevende gemiddelden

Met dit type gemiddelde kunt u nuttige tijdelijke patronen in retrospectief- en realtimegegevens weergeven en voorspellen. Het eenvoudigste type zwevend gemiddelde begint bij een steekproef van de reeks en gebruikt het gemiddelde van die positie plus de vorige n posities in plaats van de werkelijke waarde. (U kunt n definiëren zoals u wilt.) Hoe langer de periode n waarop het gemiddelde wordt berekend, hoe minder variantie u tussen waarden hebt. Als u ook het aantal gebruikte waarden verhoogt, is het minder effect dat één waarde heeft op het resulterende gemiddelde.

Een zwevend gemiddelde kan eenzijdig of dubbelzijdig zijn. In een eenzijdig gemiddelde worden alleen waarden vóór de indexwaarde gebruikt. In een dubbelzijdig gemiddelde worden eerdere en toekomstige waarden gebruikt.

Voor scenario's waarin u streaminggegevens leest, zijn cumulatieve en gewogen zwevende gemiddelden bijzonder nuttig. Een cumulatief zwevend gemiddelde houdt rekening met de punten voorafgaand aan de huidige periode.

U kunt alle gegevenspunten even gewogen wanneer u het gemiddelde beredt, of u kunt ervoor zorgen dat waarden die dichter bij het huidige gegevenspunt liggen, sterker worden gewogen. In een gewogen zwevend gemiddelde moeten alle gewichten worden opgeteld tot 1.

In een exponentieel zwevend gemiddelde bestaan de gemiddelden uit een kop en een staart, die kan worden gewogen. Een licht gewogen staart betekent dat de staart het hoofd vrij dicht volgt, zodat het gemiddelde zich gedraagt als een zwevend gemiddelde voor een korte gewichtsperiode. Wanneer het staartgewicht zwaarder is, gedraagt het gemiddelde zich meer als een langer eenvoudig zwevend gemiddelde.

Zwevend gemiddeldefilter configureren

1. Voeg de module Moving Average Filter toe aan uw experiment. U vindt deze module onder Gegevenstransformatie in de categorie Filter .

2. Typ voor Lengte een positieve gehele getalwaarde waarmee de totale grootte van het venster wordt gedefinieerd waarop het filter wordt toegepast. Dit wordt ook wel het filtermasker genoemd. Voor een zwevend gemiddelde bepaalt de lengte van het filter hoeveel waarden worden gemiddeld in het schuifvenster.

   Langere filters worden ook wel hogere volgordefilters genoemd en bieden een groter venster van berekening en een betere benadering van de trendlijn.

   Kortere of lagere volgordefilters maken gebruik van een kleiner berekeningsvenster en lijken beter op de oorspronkelijke gegevens.

3. Kies voor Type het type zwevend gemiddelde dat u wilt toepassen.

   Machine Learning Studio (klassiek) ondersteunt de volgende typen zwevende gemiddelde berekeningen:

   Eenvoudig: Een eenvoudig zwevend gemiddelde (SMA) wordt berekend als een ongewogen rollend gemiddelde.

   Driehoekig: Driehoekige zwevende gemiddelden (TMA) worden tweemaal gemiddeld voor een vloeiendere trendlijn. Het woord driehoekig wordt afgeleid van de vorm van de gewichten die worden toegepast op de gegevens, die centrale waarden benadrukken.

   Exponentieel eenvoudig: een exponentieel zwevend gemiddelde (EMA) geeft meer gewicht aan de meest recente gegevens. De weging daalt exponentieel.

   Exponentieel: Een aangepast exponentieel zwevend gemiddelde berekent een lopend zwevend gemiddelde, waarbij het zwevende gemiddelde op een bepaald punt wordt beschouwd als het eerder berekende zwevende gemiddelde op alle voorgaande punten. Deze methode levert een vloeiendere trendlijn op.

   Cumulatief: Op basis van één punt en een huidig zwevend gemiddelde berekent het cumulatieve zwevende gemiddelde (CMA) op het huidige punt.

4. Voeg de gegevensset toe met de waarden waarvoor u een zwevend gemiddelde wilt berekenen en voeg de module Filter toepassen toe.

   Verbinding maken het filter Zwevend gemiddelde naar de linkerinvoer van Filter toepassen en koppel de gegevensset aan de rechterinvoer.

5. Gebruik in de module Filter toepassen de kolomkiezer om op te geven op welke kolommen het filter moet worden toegepast. Standaard wordt de filtertransformatie toegepast op alle numerieke kolommen, dus zorg ervoor dat u kolommen met geen geschikte gegevens uitsluit.

6. Voer het experiment uit.

   Voor elke set waarden die zijn gedefinieerd door de parameter filterlengte, wordt de huidige waarde (of index) vervangen door de zwevende gemiddelde waarde.

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.

Moduleparameters

Name	Bereik	Type	Standaard	Beschrijving
Lengte	>=1	Geheel getal	5	De lengte van het venster zwevend gemiddelde instellen
Type	Alle	MovingAverageType		Geef het type zwevend gemiddelde op dat moet worden gemaakt

Uitvoerwaarden

Naam	Type	Description
Filter	IFilter-interface	Implementatie filteren

Zie ook

Filter
Filter toepassen
A-Z-modulelijst
Aanvullende filtervoorbeelden