Filtro de média móvel

Importante

O suporte para o Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. É recomendável fazer a transição para o Azure Machine Learning até essa data.

A partir de 1º de dezembro de 2021, você não poderá criar recursos do Machine Learning Studio (clássico). Até 31 de agosto de 2024, você pode continuar usando os recursos existentes do Machine Learning Studio (clássico).

• Confira informações sobre como mover projetos de machine learning do ML Studio (clássico) para o Azure Machine Learning.
• Saiba mais sobre o Azure Machine Learning.

A documentação do ML Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.

Cria um filtro de média móvel usado para suavizar os dados para análise de tendência

Categoria: Transformação/Filtro de Dados

Observação

Aplica-se a: somente Machine Learning Studio (clássico)

Módulos semelhantes do tipo "arrastar e soltar" estão disponíveis no designer do Azure Machine Learning.

Visão geral do módulo

Este artigo descreve como usar o módulo filtro de média móvel no Machine Learning Studio (clássico), para calcular uma série de médias unais ou bidirecionais em um conjunto de dados, usando um comprimento de janela que você especificar.

Depois de definir um filtro que atenda às suas necessidades, você poderá aplicá-lo a colunas selecionadas em um conjunto de dados conectando-o ao módulo Aplicar Filtro . O módulo faz todos os cálculos e substitui valores dentro de colunas numéricas por médias móveis correspondentes.

Você pode usar a média de movimentação resultante para plotagem e visualização, como uma nova linha de base suave para modelagem, para calcular as variações contra cálculos para períodos semelhantes, e assim por diante.

Dica

Precisa filtrar dados de um conjunto de dados ou remover valores ausentes? Em vez disso, use estes módulos:

• Limpar Dados Ausentes: use este módulo para remover valores ausentes ou substituir valores ausentes por espaços reservados.
• Partição e exemplo: use este módulo para dividir ou filtrar seu conjunto de dados por critérios como um intervalo de datas, um valor específico ou expressões regulares.
• Valores de clipe: use este módulo para definir um intervalo e manter apenas os valores dentro desse intervalo.

Compreendendo e usando médias móveis

Esse tipo de média ajuda a revelar e prever padrões temporais úteis nos dados em tempo real e em retrospectiva. O tipo mais simples de média de movimentação é iniciado em algum exemplo da série e usa a média desta posição mais as posições n anteriores em vez do valor real. (Você pode definir n como quiser.) Quanto maior o período n em que a média é calculada, menor a variação que você terá entre os valores. Além disso, à medida que aumenta o número de valores usado, diminui o efeito que qualquer valor único tem na média resultante.

Uma média de movimentação pode ser unilateral ou bilateral. Em uma média unilateral, apenas os valores que precedem o valor de índice são usados. Em uma média bilateral, os valores passados e futuros são usados.

Para cenários em que você está lendo dados de streaming, as médias cumulativas e de movimentação ponderada são particularmente úteis. Uma média de movimentação cumulativa leva em conta os pontos que precedem o período atual.

Você pode ponderar todos os pontos de dados igualmente ao calcular a média, ou você pode garantir que os valores mais próximos do ponto de dados atual são ponderados mais forte. Em uma média de movimentação ponderada, todos os pesos devem somar 1.

Em uma média móvel exponencial, as médias consistem em um cabeçalho e uma parte final, o que pode ser ponderado. Uma média de parte final pouco ponderada significa que a parte final segue o cabeçalho bem de perto, então a média se comporta como uma média em movimentação em um período curto de ponderação. Quando os pesos da parte final são mais pesados, a média se comporta como uma média de movimentação simples mais longa.

Como configurar o filtro de média móvel

1. Adicione o módulo Filtro Médio Móvel ao seu experimento. Você pode encontrar este módulo na Transformação de Dados, na categoria Filtro .

2. Para Comprimento, digite um valor de número inteiro positivo que define o tamanho total da janela na qual o filtro é aplicado. Isso também é chamado de máscara de filtro. Para uma média móvel, o comprimento do filtro determina quantos valores são médios na janela deslizante.

   Filtros mais longos também são chamados de filtros de pedidos mais altos e fornecem uma janela maior de cálculo e uma aproximação mais próxima da linha de tendência.

   Filtros de ordem mais curtos ou inferiores usam uma janela de cálculo menor e se assemelham mais aos dados originais.

3. Para Tipo, escolha o tipo de média móvel a ser aplicada.

   Machine Learning Studio (clássico) dá suporte aos seguintes tipos de cálculos de média móvel:

   Simples: uma SMA (média móvel simples) é calculada como uma média de rolagem sem peso.

   Triangular: as médias móveis triangulares (TMA) são médias duas vezes para uma linha de tendência mais suave. A palavra triangular é derivada da forma dos pesos que são aplicados aos dados, o que enfatiza os valores centrais.

   Simples exponencial: uma EMA (média móvel exponencial) dá mais peso aos dados mais recentes. A ponderação cai exponencialmente.

   Exponencial: uma média móvel exponencial modificada calcula uma média móvel em execução, em que calcular a média móvel em qualquer ponto considera a média móvel calculada anteriormente em todos os pontos anteriores. Esse método gera uma linha de tendência mais suave.

   Cumulativo: dado um único ponto e uma média móvel atual, a CMA (média móvel cumulativa) calcula a média móvel no ponto atual.

4. Adicione o conjunto de dados que tem os valores para os quais você deseja calcular uma média móvel e adicione o módulo Aplicar Filtro .

   Conexão o Filtro Médio Móvel à entrada à esquerda de Aplicar Filtro e conecte o conjunto de dados à entrada à direita.

5. No módulo Aplicar Filtro , use o seletor de coluna para especificar a quais colunas o filtro deve ser aplicado. Por padrão, a transformação de filtro é aplicada a todas as colunas numéricas, portanto, exclua todas as colunas que não tenham dados apropriados.

6. Execute o experimento.

   Para cada conjunto de valores definidos pelo parâmetro de comprimento do filtro, o valor atual (ou índice) é substituído pelo valor médio móvel.

Exemplos

Para obter exemplos de como os filtros são usados no aprendizado de máquina, consulte este experimento na Galeria de IA do Azure:

• Filtros: este experimento demonstra todos os tipos de filtro usando um conjunto de dados de forma de onda projetado.

Parâmetros do módulo

Nome	Intervalo	Type	Padrão	Descrição
Comprimento	>=1	Integer	5	Definir o comprimento da janela de média móvel
Type	Qualquer	MovingAverageType		Especifique o tipo de média móvel a ser criado

Saídas

Nome	Type	DESCRIÇÃO
Filtrar	Interface IFilter	Implementação do filtro

Confira também

Filter
Aplicar filtro
Lista de Módulo A-Z
Exemplos de filtro adicionais