Filtro de media móvil

Crea un filtro de media móvil que se usa para suavizar los datos para análisis de tendencias

Categoría: transformación/filtro de datos

Nota

Se aplica a: machine learning Studio (clásico)

Este contenido solo pertenece a Studio (clásico). Se han agregado módulos similares de arrastrar y colocar al diseñador de Azure Machine Learning. Obtenga más información en este artículo comparativa de las dos versiones.

Información general sobre el módulo

En este artículo se describe cómo usar el módulo de filtro de media móvil en Azure machine learning Studio (clásico) para calcular una serie de medias de uno o dos lados sobre un conjunto de caracteres, usando una longitud de ventana que especifique.

Una vez que haya definido un filtro que satisfaga sus necesidades, puede aplicarlo a las columnas seleccionadas en un conjunto de DataSet conectándolo al módulo aplicar filtro . El módulo realiza todos los cálculos y reemplaza los valores dentro de las columnas numéricas con medias móviles correspondientes.

Puede usar la media móvil resultante para trazado y visualización como una nueva línea base suave para modelado, para el cálculo de varianzas frente a cálculos para períodos similares, etc.

Sugerencia

¿Necesita filtrar los datos de un conjunto de datos o quitar los valores que faltan? En su lugar, use estos módulos:

  • Limpiar los datos que faltan: Use este módulo para quitar los valores que faltan o reemplazar los valores que faltan por marcadores de posición.
  • Partición y ejemplo: Use este módulo para dividir o filtrar el conjunto de valores por criterios como un intervalo de fechas, un valor específico o expresiones regulares.
  • Valores de clip: Use este módulo para establecer un intervalo y mantener solo los valores dentro de ese intervalo.

Descripción y uso de medias móviles

Este tipo de media le ayuda a revelar y pronosticar patrones temporales útiles en datos retrospectivos y datos en tiempo real. El tipo más sencillo de media móvil empieza en algunos ejemplos de la series y usa la media de esa posición más las posiciones n anteriores en lugar del valor real. (Puede definir n como desee). Cuanto más larga sea el período en el que se calcula la media, menor será la varianza entre los valores. Además, a medida que aumenta el número de valores que se usan, se reduce el efecto de cualquier valor único en la media resultante.

Una media móvil puede ser de un lado o dos lados. En una media de un lado, solo se usan los valores anteriores al valor de índice. En una media de dos lados, se usan valores pasados y futuros.

Para escenarios en los que se están leyendo datos de transmisión por secuencias, las medias móviles acumuladas y ponderadas son especialmente útiles. Una media móvil acumulada tiene en cuenta los puntos anteriores al período actual.

Puede ponderar igualmente todos los puntos de datos al calcular la media o puede asegurarse de que los valores más próximos al punto de datos actual se ponderen más fuerte. En una media móvil ponderada, todo los pesos deben sumar 1.

En una media móvil exponencial, las medias constan de un encabezado y un final, que se puede ponderar. Un final ponderado ligero significa que el final está muy cerca del encabezado, por lo que la media se comporta como una media móvil en un período corto de ponderación. Cuanto más pese el final, más se comportará la media como una media móvil simple más larga.

Cómo configurar el filtro de media móvil

  1. Agregue el módulo de filtro de media móvil al experimento. Puede encontrar este módulo en transformación de datos, en la categoría filtro .

  2. En longitud, escriba un valor de número entero positivo que defina el tamaño total de la ventana en la que se aplica el filtro. Esto también se denomina máscara de filtro. En el caso de una media móvil, la longitud del filtro determina el número de valores que se promedian en la ventana deslizante.

    Los filtros más largos también se denominan filtros de orden superior y proporcionan una ventana de cálculo más grande y una aproximación más próxima a la línea de tendencia.

    Los filtros de orden más corto o inferior usan una ventana de cálculo más pequeña y son más parecidos a los datos originales.

  3. En tipo, elija el tipo de media móvil que se va a aplicar.

    Azure Machine Learning Studio (clásico) admite los siguientes tipos de cálculos de media móvil:

    Simple: una media móvil simple (SMA) se calcula como una media móvil no ponderada.

    Triangular: las medias móviles triangulares (TMA) se promedian dos veces para una línea de tendencia más suave. La palabra triangular se deriva de la forma de los pesos que se aplican a los datos, lo que resalta los valores centrales.

    Simple exponencial: una media móvil exponencial (EMA) da más peso a los datos más recientes. La ponderación disminuye exponencialmente.

    Exponencial: una media móvil exponencial modificada calcula una media móvil en ejecución, donde el cálculo de la media móvil en cualquier punto considera la media móvil calculada previamente en todos los puntos anteriores. Este método produce una línea de tendencia más suave.

    Acumulativo: dado un único punto y una media móvil actual, la media móvil acumulativa (CMA) calcula la media móvil en el punto actual.

  4. Agregue el conjunto de valores que tiene los valores para los que desea calcular una media móvil y agregue el módulo aplicar filtro .

    Conecte el filtro de media móvil a la entrada del lado izquierdo de aplicar filtroy conecte el conjunto de datos a la entrada de la derecha.

  5. En el módulo aplicar filtro , use el selector de columnas para especificar las columnas a las que se debe aplicar el filtro. De forma predeterminada, la transformación de filtro se aplica a todas las columnas numéricas, por lo que debe asegurarse de excluir las columnas que no tengan los datos adecuados.

  6. Ejecute el experimento.

    Para cada conjunto de valores definido por el parámetro de longitud de filtro, el valor actual (o índice) se reemplaza por el valor de media móvil.

Ejemplos

Para obtener ejemplos de cómo se usan los filtros en el aprendizaje automático, vea este experimento en el Azure AI Gallery:

  • Filtros: este experimento muestra todos los tipos de filtro mediante un conjunto de información de formas de onda de ingeniería.

Parámetros del módulo

Nombre Intervalo Tipo Valor predeterminado Descripción
Length >=1 Entero 5 Establecer la longitud de la ventana de la media móvil
Tipo Any MovingAverageType Especificar el tipo de media móvil para crear

Salidas

Nombre Tipo Descripción
Filter Interfaz IFilter Implementación del filtro

Vea también

Filtro
Aplicar filtro
Lista de módulos a-Z
Ejemplos de filtros adicionales