Glidande medelvärde-filter

Skapar ett glidande medelvärde-filter som används för att utjämna data för trend analys

Kategori: data omvandling/filter

Anteckning

Gäller för: Machine Learning Studio (klassisk)

Det här innehållet gäller endast Studio (klassisk). Liknande dra-och släpp moduler har lagts till i Azure Machine Learning designer. Mer information i den här artikeln är att jämföra de två versionerna.

Översikt över modul

Den här artikeln beskriver hur du använder filter modulen glidande medelvärde i Azure Machine Learning Studio (klassisk) för att beräkna en serie med ensidiga eller två sidor över en data uppsättning med en fönster längd som du anger.

När du har definierat ett filter som uppfyller dina behov kan du tillämpa det på valda kolumner i en data uppsättning genom att ansluta det till Apply filter -modulen. Modulen utför alla beräkningar och ersätter värden inom numeriska kolumner med motsvarande glidande medelvärden.

Du kan använda det resulterande glidande medelvärdet för ritning och visualisering, som en ny mjuk bas linje för modellering, för att beräkna varianser mot beräkningar för liknande perioder och så vidare.

Tips

Behöver du filtrera data från en data uppsättning eller ta bort värden som saknas? Använd de här modulerna i stället:

  • Rensa saknade data: Använd den här modulen för att ta bort saknade värden eller ersätta saknade värden med plats hållare.
  • Partition och exempel: Använd den här modulen för att dela upp eller filtrera din data uppsättning efter villkor, till exempel ett datum intervall, ett särskilt värde eller reguljära uttryck.
  • Klipp värden: Använd den här modulen för att ange ett intervall och Behåll endast värdena inom intervallet.

Förstå och använda glidande medelvärden

Den här typen av medelvärde hjälper dig att visa och prognostisera användbara temporala mönster i retroaktiva och real tids data. Den enklaste typen av glidande medelvärde börjar med några exempel i serien och använder medelvärdet för den positionen plus de föregående n positionerna i stället för det faktiska värdet. (Du kan definiera n som du vill.) Den längre tid än den period som medelvärdet beräknas för, är den mindre varians som du får mellan värden. När du ökar antalet värden som används, har mindre påverkan på ett enskilt värde det resulterande medelvärdet.

Ett glidande medelvärde kan vara ensidigt eller dubbels idiga. I ett ensidigt medelvärde används endast värden före indexvärdet. I ett dubbels idiga medelvärden används tidigare och framtida värden.

I scenarier där du läser strömmande data är det särskilt användbart att använda ackumulerade och viktade glidande medelvärden. Ett ackumulerat glidande medelvärde tar hänsyn till de punkter som föregår den aktuella perioden.

Du kan vikta alla data punkter lika när du beräknar medelvärdet, eller så kan du se till att värden närmast den aktuella data punkten viktas mer starkt. I ett viktat glidande medelvärde måste alla vikter vara summan till 1.

I ett exponentiellt glidande medelvärde består medelvärdet av ett huvud och ett pilslut, som kan viktas. Ett lätt viktat svans innebär att änden följer huvud företaget nära, så att medelvärdet fungerar som ett glidande medelvärde på en kort viktnings period. När det är tyngre är genomsnittet att beter sig mer som ett längre enkelt glidande medelvärde.

Så här konfigurerar du glidande medelvärdes filter

  1. Lägg till den glidande AVERAGEA filter -modulen i experimentet. Du hittar den här modulen under data omvandling i kategorin filter .

  2. Ange ett positivt heltals värde som definierar den totala storleken för fönstret som filtret tillämpas på. Detta kallas även för filter masken. För ett glidande medelvärde bestämmer längden på filtret hur många värden som ska beräknas i glidande fönster.

    Längre filter kallas även högre order filter och ger ett större beräknings fönster och en närmare uppskattning av trend linjen.

    Kortare eller lägre order filter använder en mindre beräknings period och liknar den ursprungliga informationen.

  3. För typ väljer du typ av glidande medelvärde som ska användas.

    Azure Machine Learning Studio (klassisk) stöder följande typer av glidande medelvärdes beräkningar:

    Enkelt: ett enkelt glidande medelvärde (SMA) beräknas som ett vägt rullande medelvärde.

    Triangulär: tresidig glidande medelvärden (TMA) beräknas två gånger för en mjukare trend linje. Ordet triangulär är härlett från formen av de vikter som används för data, vilket betonar centrala värden.

    Exponentiellt enkelt: ett exponentiellt glidande medelvärde (EMA) ger större vikt till de senaste data. Viktningen minskar exponentiellt.

    Exponentiellt: ett ändrat exponentiellt glidande medelvärde beräknar ett löpande glidande medelvärde, där beräkning av glidande medelvärde vid en viss punkt betraktar det tidigare beräknade glidande medelvärdet vid alla föregående punkter. Den här metoden ger en smidig trend linje.

    Kumulativ: en enda punkt och ett aktuellt glidande medelvärde beräknar det sammanlagda glidande medelvärdet (CMA) det glidande medelvärdet vid den aktuella punkten.

  4. Lägg till data uppsättningen som har de värden som du vill beräkna ett glidande medelvärde för och Lägg till Använd filter -modulen.

    Anslut det glidande medelvärde-filtret till den vänstra indatan för filtret Användoch Anslut data uppsättningen till den högra indatan.

  5. I modulen Använd filter använder du kolumn väljaren för att ange vilka kolumner som filtret ska tillämpas på. Filter omvandlingen används som standard för alla numeriska kolumner, så se till att undanta kolumner som inte har rätt data.

  6. Kör experimentet.

    För varje uppsättning värden som definieras av parametern filter längd ersätts det aktuella värdet (eller index) med värdet glidande medelvärde.

Exempel

Exempel på hur filter används i Machine Learning finns i det här experimentet i Azure AI Gallery:

  • Filter: det här experimentet visar alla filter typer med en utformad Waveform-datauppsättning.

Parametrar för modul

Name Intervall Typ Standardvärde Beskrivning
Längd >= 1 Integer 5 Ange längden på fönstret glidande medelvärde
Typ Valfri MovingAverageType Ange typ av glidande medelvärde som ska skapas

Utdata

Namn Typ Beskrivning
Filtrera IFilter-gränssnitt Filtrera implementering

Se även

Synkroniseringsfilter
Använd filter
En-ö-modul lista
Ytterligare filter exempel