Filtro de mediana
Importante
El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.
- Consulte la información acerca de traslado de proyectos de aprendizaje automático de ML Studio (clásico) a Azure Machine Learning.
- Más información sobre Azure Machine Learning.
La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.
Crea un filtro de mediana usado para suavizar datos para análisis de tendencias
Categoría: Transformación de datos/Filtro
Nota
Se aplica a: solo Machine Learning Studio (clásico)
Hay módulos para arrastrar y colocar similares en el diseñador de Azure Machine Learning.
Información general sobre el módulo
En este artículo se describe cómo usar el módulo Median Filter en Machine Learning Studio (clásico), para definir un filtro de mediana para aplicar a una serie de valores que representan una señal o imagen de entrada digital.
Los filtros de mediana se utilizan ampliamente en el reconocimiento de imágenes para reducir ruido de manera que las características se puedan detectar con mayor facilidad.
Nota
Un filtro es una función de transferencia que toma una señal de entrada y crea una señal de salida basada en las características del filtro. En el procesamiento de señales digitales, el uso de filtros puede mejorar los resultados del reconocimiento de voz o de imágenes. Para obtener más información, vea Filtro.
Después de definir una transformación de filtro que satisfaga sus necesidades mediante el módulo Filtro medio, puede aplicar el filtro a los datos mediante la conexión de un conjunto de datos y el filtro al módulo Aplicar filtro .
Sugerencia
¿Necesita filtrar los datos de un conjunto de datos o quitar los valores que faltan? Use estos módulos en su lugar:
- Limpiar 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 datos por criterios como un intervalo de fechas, un valor específico o expresiones regulares.
- Recortar valores: use este módulo para establecer un intervalo y mantener solo los valores dentro de ese intervalo.
Cómo configurar el filtro mediana
Agregue el filtro mediana al experimento. Puede encontrar este módulo en Transformación de datos, en la categoría Filtro .
En Longitud, escriba un valor entero que defina el tamaño total de la ventana en la que se aplica el filtro. Esto también se denomina máscara de filtro.
El valor debe ser un entero impar y con valores positivos. Si especifica un número par, el tamaño de la máscara se reduce en uno.
De forma predeterminada, la máscara comienza en el valor actual y crea una ventana centrada en el valor actual.
Por ejemplo, si escribe 5 como longitud o tamaño de ventana, el valor medio se calcula en una ventana deslizante que consta de 5 valores centrados en el valor actual. Si escribe 4, la máscara se reduce a 3 valores, centrados en el valor de índice.
Conectar el filtro para Aplicar filtro y conectar un conjunto de datos.
Use el selector de columnas para especificar qué columnas del conjunto de datos se deben aplicar al filtro. De forma predeterminada, el módulo Aplicar filtro usará el filtro para todas las columnas numéricas seleccionadas.
Ejecute el experimento. Las siguientes operaciones se aplican a las columnas seleccionadas:
- Para conjunto de valores incluidos en la ventana o máscara, el algoritmo de filtro calcula la mediana.
- El valor actual (o índice) se reemplaza por el valor medio.
Ejemplos
Para obtener ejemplos de cómo se usan los filtros en el aprendizaje automático, consulte este experimento en azure AI Gallery:
- Filtros: este experimento muestra todos los tipos de filtro, mediante un conjunto de datos de forma de onda diseñada.
Notas técnicas
Esta sección contiene detalles de implementación, sugerencias y respuestas a las preguntas más frecuentes.
Detalles de la implementación
Cada entrada de la señal de salida es igual a la mediana de las entradas de un subconjunto (máscara) de la señal de entrada y centrada en el índice correspondiente. El tamaño de la máscara debe ser un entero impar positivo.
Si proporciona este método con un tamaño de máscara cuyo valor sea par, se reduce en uno. Por ejemplo, dado m=2q+1, el filtro se define como: yi = median[{xi-q,…, xi+q}]
Se supone que los valores más allá de los bordes de la señal de entrada son iguales al valor en el borde. Es decir, si n es la longitud de la señal de entrada:
Para obtener más información acerca de los filtros de mediana, este artículo de Wikipedia ofrece una buena explicación de la teoría y la aplicación:
Parámetros del módulo
| Nombre | Intervalo | Tipo | Valor predeterminado | Descripción |
|---|---|---|---|---|
| Length | >=1 | Entero | 5 | Longitud de la ventana del filtro |
Output
| Nombre | Tipo | Descripción |
|---|---|---|
| Filter | Interfaz IFilter | Implementación del filtro |