ชี้แจง เคลื่อนไหว เฉลี่ย Matlab กรอง

หลังจาก piecing กันบิตจากหัวข้อนี้ฉันสร้างฟังก์ชันนี้ใช้ฟังก์ชันกรอง Octaves. มันเริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นพื้นฐาน V คือเวกเตอร์คอลัมน์ของตัวเลขในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา หน้าต่างเป็นจำนวนเต็มเป็นจำนวนวัน ฉันใช้ 12 นี่คือคำอธิบายทางคณิตศาสตร์ของฟังก์ชันนี้ โปรดทราบว่าหน้านี้ใช้ 2 (n1) (โดย n คือหน้าต่างหรือจำนวนวัน) เป็น alpha แต่ฉันใช้ 1n เพราะค่าอัลฟานั้นมีความเหมาะสมกับความต้องการของฉัน ปรับค่า alpha ตามที่ต้องการ หรือบางครั้งฉันต้องการมิติข้อมูลเวิร์กพุทอินพุตและเอาต์พุตของฉันเพื่อให้ตรงกับ ฉันเติมค่าที่ไม่ถูกต้องด้วย NaN โดยการเพิ่ม meanV NaN (window-1,1) meanV เป็นบรรทัดสุดท้ายในฟังก์ชัน movingEMean นอกจากนี้คุณยังสามารถเติมข้อมูลด้วย simpleAvg ได้หากต้องการประมาณการคร่าวๆตัวกรอง Exponential หน้านี้จะอธิบายการกรองแบบ exponential ซึ่งเป็นตัวกรองที่ง่ายและเป็นที่นิยมมากที่สุด นี่เป็นส่วนหนึ่งของส่วนการกรองซึ่งเป็นส่วนหนึ่งของคู่มือการตรวจหาและวินิจฉัยข้อบกพร่องข้อมูลภาพรวมค่าคงที่ตลอดเวลาและหน่วยความจำแบบอนาล็อกตัวกรองที่ง่ายที่สุดคือตัวกรองเลขลำดับ มีพารามิเตอร์จูนเดียว (นอกเหนือจากช่วงเวลาตัวอย่าง) ต้องเก็บข้อมูลตัวแปรเดียว - เอาต์พุตก่อนหน้านี้ เป็นตัวกรอง IIR (autoregressive) - ผลกระทบของการเปลี่ยนแปลงการเปลี่ยนแปลงการป้อนข้อมูลแบบทวีคูณจนถึงขีด จำกัด ของการแสดงผลหรือการคำนวณทางคณิตศาสตร์ของคอมพิวเตอร์ซ่อนไว้ ในสาขาต่างๆการใช้ตัวกรองนี้เรียกว่า 8220exponential smoothing8221 ในบางสาขาวิชาเช่นการวิเคราะห์การลงทุนตัวกรองเลขยกกำลังเรียกว่า 8220Exeptably Weighted Moving Average8221 (EWMA) หรือเพียง 8220Exponential Moving Average8221 (EMA) การดำเนินการนี้ละเมิดหลักเกณฑ์ ARMA 8220 โดยทั่วไปในการวิเคราะห์การวิเคราะห์อนุกรมเวลาเนื่องจากไม่มีประวัติการเข้าที่ใช้งานเพียงแค่ข้อมูลปัจจุบันเท่านั้น มันเป็นเวลาที่ไม่ต่อเนื่องเทียบเท่า 8220 ลำดับแรก lag8221 ใช้กันทั่วไปในการสร้างแบบจำลองอนาล็อกของระบบควบคุมเวลาต่อเนื่อง ในวงจรไฟฟ้าตัวกรอง RC (ตัวกรองที่มีตัวเก็บประจุหนึ่งตัวและตัวเก็บประจุหนึ่งตัว) เป็นลัดแรก เมื่อเน้นความคล้ายคลึงกับวงจรแอนะล็อกพารามิเตอร์การปรับค่าเดียวคือค่าคงที่ 8220 ตลอดเวลาโดยปกติจะเขียนเป็นตัวพิมพ์เล็กตัวอักษรกรีก Tau () ในความเป็นจริงค่าในช่วงเวลาตัวอย่างที่ไม่ต่อเนื่องตรงกับเวลาลัดเวลาต่อเนื่องที่เท่ากันโดยมีค่าคงที่ในเวลาเดียวกัน ความสัมพันธระหวางการใชงานแบบดิจิตอลและคาคงที่เวลาจะแสดงไวในสมการตอไปนี้ สมการของตัวกรองแบบเรียงซ้อนและการเตรียมใช้งานตัวกรองเลขยกกำลังเป็นชุดค่าผสมของการประมาณค่าก่อนหน้า (เอาท์พุท) ที่มีข้อมูลป้อนเข้าใหม่ล่าสุดโดยมีผลรวมของน้ำหนักเท่ากับ 1 เพื่อให้เอาต์พุตตรงกับอินพุทในสภาวะคงที่ ตามสัญกรณ์ตัวกรอง: y (k) ay (k-1) (1-a) x (k) โดยที่ x (k) เป็นข้อมูลดิบที่ระยะเวลา ky (k) เป็นผลลัพธ์ที่ผ่านการกรองในขั้นตอนเวลา ka เป็นค่าคงที่ระหว่าง 0 ถึง 1 โดยปกติระหว่าง 0.8 ถึง 0.99 (a-1) หรือบางครั้งเรียกว่า 8220smoothing constant8221 สำหรับระบบที่มีขั้นตอนเวลาคงที่ T ระหว่างตัวอย่างค่าคงที่ 8220a8221 จะคำนวณและจัดเก็บไว้เพื่อความสะดวกเฉพาะเมื่อนักพัฒนาแอ็พพลิเคชันระบุค่าใหม่ของค่าคงที่เวลาที่ต้องการ สำหรับระบบที่มีการสุ่มตัวอย่างข้อมูลในช่วงเวลาที่ผิดปกติต้องใช้ฟังก์ชันเลขชี้กำลังข้างต้นกับแต่ละขั้นตอนเวลาโดยที่ T คือเวลาตั้งแต่ตัวอย่างก่อนหน้านี้ เอาท์พุทตัวกรองมักจะถูกเตรียมใช้งานเพื่อให้ตรงกับการป้อนข้อมูลครั้งแรก เมื่อเวลาคงที่เข้าใกล้ 0 เป็น a ไปเป็นศูนย์ดังนั้นจึงไม่มีการกรองผลลัพธ์ 8211 เท่ากับการป้อนข้อมูลใหม่ เป็นเวลาคงที่จะมีขนาดใหญ่มากวิธีที่ 1 เพื่อให้ใส่ใหม่เกือบจะละเลย 8211 มากกรองหนัก สมการของตัวกรองด้านบนสามารถจัดเรียงใหม่ลงในตัวทำนาย - corrector equivalent: รูปแบบนี้ทำให้เห็นได้ชัดว่าค่าประมาณตัวแปร (เอาท์พุทของตัวกรอง) คาดว่าจะไม่เปลี่ยนแปลงจากค่าประมาณก่อนหน้า y (k-1) บวกคำที่ใช้แก้ไข ที่ไม่คาดคิด 8220innovation8221 - ความแตกต่างระหว่างการป้อนข้อมูลใหม่ x (k) และการทำนาย y (k-1) แบบฟอร์มนี้เป็นผลมาจากการหาตัวกรองแบบ exponential เป็นกรณีพิเศษแบบพิเศษของตัวกรองคาลมาน ซึ่งเปนทางออกที่ดีที่สุดในการประมาณคาโดยใชสมมติฐานเฉพาะ การตอบสนองขั้นตอนวิธีหนึ่งในการมองเห็นการทำงานของตัวกรองเลขยกกำลังคือการพล็อตการตอบสนองของมันในช่วงเวลาหนึ่งไปยังอินพุตขั้นตอน นั่นคือเริ่มต้นด้วยการป้อนข้อมูลตัวกรองและเอาท์พุทที่ 0 ค่าอินพุตจะเปลี่ยนไปเป็น 1 โดยอัตโนมัติค่าที่ได้จะถูกวางแผนไว้ด้านล่าง: ในพล็อตด้านบนเวลาจะถูกหารด้วยเวลาตัวกรอง tau คงที่เพื่อให้คุณคาดการณ์ได้ง่ายขึ้น ผลลัพธ์สำหรับช่วงเวลาใด ๆ สำหรับค่าใด ๆ ของค่าคงที่ของตัวกรอง หลังจากเวลาเท่ากับเวลาที่กำหนดเอาต์พุตตัวกรองจะเพิ่มขึ้นเป็น 63.21 ของค่าสุดท้าย หลังจากเวลามีค่าเท่ากับ 2 ค่าคงที่ค่าจะเพิ่มขึ้นเป็น 86.47 ของค่าสุดท้าย ผลลัพธ์ตามเวลาที่เท่ากับ 3,4 และ 5 ค่าคงที่คือ 95.02, 98.17 และ 99.33 ของค่าสุดท้ายตามลำดับ เนื่องจากตัวกรองเป็นแบบเส้นตรงนั่นหมายความว่าเปอร์เซ็นต์เหล่านี้สามารถใช้สำหรับขนาดของการเปลี่ยนแปลงขั้นตอนไม่ใช่เฉพาะสำหรับค่าที่ใช้ 1 ที่นี่ แม้ว่าการตอบสนองขั้นตอนในทฤษฎีจะใช้เวลาที่ไม่มีที่สิ้นสุดจากมุมมองเชิงปฏิบัติให้คิดเกี่ยวกับตัวกรองเลขยกกำลังเป็น 98 ถึง 99 8220done8221 ที่ตอบสนองหลังจากเวลานั้นเท่ากับ 4 ถึง 5 ช่วงเวลาของตัวกรอง มีการเปลี่ยนแปลงของตัวกรองเลขทศนิยมที่เรียกว่าตัวกรองเลข 8220nnonear อย่างละเอียด 8221 Weber, 1980 มีจุดมุ่งหมายเพื่อกรองสัญญาณรบกวนภายในขอบเขต 8220typical8221 อย่างมาก แต่จะตอบสนองต่อการเปลี่ยนแปลงที่มีขนาดใหญ่กว่า สงวนลิขสิทธิ์ 2010 - 2013, Greg Stanley แบ่งปันหน้านี้: เลขที่การย้ายโดยใช้ค่าเฉลี่ยเลขคณิต John Meares ได้เขียนว่า: gt Hello gt gt ถ้าใครมีสคริปต์ที่คำนวณค่าเฉลี่ย gtold gt gt gton gt gt ขอบคุณไม่แน่ใจว่าคุณหมายถึงอะไรด้วยการเคลื่อนที่แบบเลขแจง เฉลี่ย. โดยทั่วไปคุณสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้โดยการเลื่อนฟังก์ชันหน้าต่างไปตามรูปคลื่น ฟังก์ชันหน้าต่างควรมีพื้นที่ 1 และควรเป็น 0 ด้านนอกช่วงเวลาหนึ่ง บางทีคุณอาจต้องการฟังก์ชั่นของหน้าต่างที่มีการสลายตัวเป็นศูนย์ให้เป็นศูนย์ Heres ตัวอย่างที่จะคำนวณค่าเฉลี่ยของกล่องเกียร์ (ด้วยฟังก์ชันหน้าต่างสี่เหลี่ยมที่เรียกว่า w) คุณอาจจำเป็นต้องแก้ไขถ้าฉันเข้าใจคุณถูกต้อง ยังพิจารณาว่าฟังก์ชันของฉันใช้ฟังก์ชันหน้าต่าง acausal (เริ่มต้นก่อนเวลา 0) เป็นสมมาตรประมาณ 0 และผลลัพธ์นี้ในผลลัพธ์ที่ไม่ได้เปลี่ยนในเวลา ฟังก์ชั่นของฟังก์ชันเลขชี้กำลังทางสาเหตุจะส่งผลให้เกิดการเปลี่ยนแปลงตามเวลา บางทีคุณอาจต้องการใช้หน้าต่าง gaussian แทน movavg. m กรองข้อมูลบางส่วนโดย convolution ด้วยหน้าต่างสี่เหลี่ยมผืนผ้า clear all close all สร้างสัญญาณ (Sum of 2 sinusoids with random noise) T 1 หนึ่งวินาทีของข้อมูล dt .0001 ระยะเวลาตัวอย่าง (.1ms) time (0: dt: T-dt) noisysig sin (2pitime) บาป (4pitime) randn (ขนาด (เวลา)) 10 สร้างฟังก์ชันหน้าต่างที่มีความสามัคคีพื้นที่ป้อน N (ป้อนความยาวหน้าต่าง:) w คน (1, N) N convolve กับฟังก์ชันหน้าต่าง filteredsig conv (noisysig, w) ลบจุดข้อมูลส่วนเกิน filteredsig filteredsig (ceil (N2): end-floor (N2)) John Meares ltjrmearesearthlinkgt เขียนไว้ในข้อความข่าว: eeff0d6. -1webx. raydaftYaTP gt Hello gt gt ใครมีสคริปต์ที่คำนวณค่าเฉลี่ย gtold gt gt gt ขอบคุณ gt gt คุณดูเหมือนว่าคุณกำลังมองหาตัวกรอง lowpass IIR แรกที่สั่งซื้อ คล้ายกับค่าเฉลี่ยของ FIR ที่เคลื่อนที่ยกเว้นการตอบสนองต่ออิมพัลส์ (ซึ่งมีความยาวไม่ จำกัด ) เป็นตัวเลขแทนการสลายตัวแทนที่จะเป็นรถตู้ สามารถใช้งานได้กับฟังก์ชันตัวกรอง MATLABs ตัวกรองดังกล่าวมักใช้ในการประมาณค่าเฉลี่ยที่มีน้ำหนักเพิ่มให้กับค่าล่าสุด บางอย่างเช่น nlengthfilter10 alfa0.5 Brepmat (alfa, 1, nlengthfilter) .1: nlengthfilter BBsum (B) Xrandn (100,1) A1 Yfilter (B, A, X) พล็อต (1: 100, X,: g, 1 : 100, Y, b) เคนเดวิส ltkendavisREMOVETHISalum. mit. edugt รายละเอียดข่าว: 91ED0DDD57215E31063DFA76AD33CA62in. webx. raydaftYaTP gt john meares ltjrmearesearthlinkgt เขียนในข้อความ gt news: eeff0d6. -1webx. raydaftYaTP. gtgt สวัสดี gtgt gtgt ใครจะมีสคริปต์ที่คำนวณว่ามี gtunt gtgt gtgt gtgt gtgt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt ของคุณ John gt gt ดูเหมือนว่าคุณกำลังมองหาตัวกรอง lowpass IIR แรกที่สั่งซื้อ GT ของมันคล้ายกับค่าเฉลี่ยของ FIR ที่เคลื่อนที่ยกเว้นการตอบสนองของอิมพัลส์ (ซึ่งเป็นความยาวที่ไม่มีขีด จำกัด ของ GT) เป็นตัวเลขแทนการสลายตัวแทนที่จะเป็นรถตู้ สามารถใช้ gt gt gt กับฟังก์ชันกรอง MATLABs ได้ ตัวกรองดังกล่าวมักจะใช้ gt to gt ประมาณค่าเฉลี่ยที่มีน้ำหนักเพิ่มให้กับค่าล่าสุด gt gt John Meares ltjrmearesearthlinkgt เขียนไว้ในข้อความ lteeff0d6. -1webx. raydaftYaTPgt. gt Hello gt gt ใครจะมีสคริปต์ที่คำนวณค่าเฉลี่ย gtold gt gt gt gt gt ขอบคุณ John clc, ล้างทั้งหมด, ปิด limit100 ทั้งหมด t1: จำกัด MovAV0 QLzeros (1, ขีด จำกัด ) mAVSzeros (1 ขีด จำกัด ) สำหรับ j1: 9 สําหรับ i1: จํากัด dataQLround (random (uniform, 0,10)) QL (i) dataQL moveAVmovingAV (j10) (dataQL-movingAV) mAVS (i) movingAV end subplot (3,3, j) พล็อต (t, QL, b ), ถือคราวพล็อต (t, mAVS, r) พล็อต (t, mean (QL) ones (1 ขีด จำกัด ), g), ค้างไว้ yabelabel (ความยาวคิว) xlabel (รันไทม์) title (EWMA alpha, num2str (j10) ) แกน (1 ขีด จำกัด 0 12) ตารางปิดท้ายรายการเฝ้าดูคืออะไรคุณสามารถคิดรายการเฝ้าดูของคุณเป็นเธรดที่คุณบุ๊กมาร์กได้ คุณสามารถเพิ่มแท็กผู้เขียนชุดข้อความและแม้แต่ผลการค้นหาลงในรายการเฝ้าดูของคุณ ด้วยวิธีนี้คุณสามารถติดตามหัวข้อที่คุณสนใจได้อย่างง่ายดายหากต้องการดูรายการเฝ้าดูของคุณคลิกที่ลิงค์ quot My Newsreaderquot หากต้องการเพิ่มรายการลงในรายการเฝ้าดูให้คลิกที่ลิงก์เพื่อดูลิงก์ listquot ที่ด้านล่างของหน้าใดก็ได้ ฉันจะเพิ่มรายการลงในรายการเฝ้าดูได้อย่างไรหากต้องการเพิ่มเกณฑ์การค้นหาลงในรายการเฝ้าดูให้ค้นหาคำที่ต้องการในช่องค้นหา คลิกที่ "เพิ่มการค้นหานี้ลงในลิงก์ watchquest ของฉันในหน้าผลการค้นหา นอกจากนี้คุณยังสามารถเพิ่มแท็กลงในรายการเฝ้าดูได้ด้วยการค้นหาแท็กด้วยคำสั่ง quintag: tagnamequot โดยที่ tagname คือชื่อของแท็กที่คุณต้องการดู หากต้องการเพิ่มผู้เขียนลงในรายการเฝ้าดูให้ไปที่หน้าโปรไฟล์ผู้เขียนและคลิกที่ "เพิ่มผู้แต่งนี้ลงในลิงก์ watchquest ของฉันที่ด้านบนของหน้า นอกจากนี้คุณยังสามารถเพิ่มผู้เขียนลงในรายการเฝ้าดูของคุณโดยไปที่เธรดที่ผู้เขียนโพสต์ไว้และคลิกที่ "เพิ่มผู้แต่งนี้ลงในลิงก์ watchquest ของฉัน" คุณจะได้รับแจ้งเมื่อใดก็ตามที่ผู้เขียนโพสต์ หากต้องการเพิ่มเธรดในรายการเฝ้าดูให้ไปที่หน้าหัวข้อและคลิกที่เพิ่มเนื้อหานี้ในลิงก์ watch listquot ที่ด้านบนของหน้า เกี่ยวกับ Newsgroups, Newsreaders และ MATLAB Central กลุ่มข่าวสารคืออะไรกลุ่มข่าวเป็นฟอรัมทั่วโลกที่เปิดกว้างสำหรับทุกคน กลุ่มข่าวสารใช้ในการพูดคุยเกี่ยวกับหัวข้อต่างๆการประกาศและการทำธุรกรรม การสนทนาแบ่งเป็นกลุ่มหรือจัดกลุ่มตามวิธีที่ช่วยให้คุณอ่านข้อความที่โพสต์และการตอบกลับทั้งหมดตามลำดับเวลา การทำเช่นนี้ทำให้ง่ายต่อการติดตามหัวข้อสนทนาและเพื่อดูสิ่งที่ถูกกล่าวมาแล้วก่อนที่คุณจะโพสต์การตอบกลับของคุณเองหรือโพสต์ใหม่ เนื้อหากลุ่มข่าวสารเผยแพร่โดยเซิร์ฟเวอร์ที่โฮสต์โดยองค์กรต่างๆบนอินเทอร์เน็ต มีการแลกเปลี่ยนและจัดการข้อความโดยใช้โปรโตคอลมาตรฐานแบบเปิด ไม่มีกลุ่มเดียวที่สร้างกลุ่มข่าว มีกลุ่มข่าวหลายพันกลุ่มซึ่งแต่ละหัวข้อจะกล่าวถึงหัวข้อเดียวหรือพื้นที่ที่น่าสนใจ MATLAB Central Newsreader โพสต์และแสดงข้อความในกลุ่มข่าว comp. soft-sys. matlab ฉันจะอ่านหรือโพสต์ไปที่กลุ่มข่าวสารได้อย่างไรคุณสามารถใช้โปรแกรมอ่านข่าวแบบรวมได้ที่เว็บไซต์ MATLAB Central เพื่ออ่านและโพสต์ข้อความในกลุ่มข่าวสารนี้ MATLAB Central เป็นเจ้าภาพโดย MathWorks ข้อความที่โพสต์ผ่าน MATLAB Central Newsreader จะถูกมองโดยทุกคนโดยใช้กลุ่มข่าวสารโดยไม่คำนึงถึงว่าพวกเขาเข้าถึงกลุ่มข่าวสารอย่างไร มีข้อดีหลายอย่างในการใช้ MATLAB Central บัญชีเดียวบัญชี MATLAB Central ของคุณเชื่อมโยงกับบัญชี MathWorks ของคุณเพื่อความสะดวก ใช้ที่อยู่อีเมลของทางเลือกของคุณ MATLAB Central Newsreader ช่วยให้คุณสามารถกำหนดที่อยู่อีเมลสำรองเป็นที่อยู่สำหรับโพสต์ของคุณหลีกเลี่ยงความยุ่งเหยิงในกล่องจดหมายหลักและลดสแปม การควบคุมสแปมสแปมกลุ่มข่าวสารส่วนใหญ่จะถูกกรองออกโดย MATLAB Central Newsreader การติดแท็กข้อความสามารถติดแท็กด้วยป้ายกำกับที่เกี่ยวข้องโดยผู้ใช้ที่ลงชื่อเข้าใช้ใด ๆ แท็กสามารถใช้เป็นคำหลักเพื่อค้นหาไฟล์ที่ต้องการโดยเฉพาะหรือเป็นวิธีจัดประเภทการโพสต์ที่บุ๊คมาร์คของคุณ คุณสามารถเลือกให้ผู้อื่นดูแท็กของคุณได้และคุณสามารถดูหรือค้นหาแท็ก otherrsquo รวมทั้งชุมชนของชุมชนได้ การติดแท็กช่วยให้สามารถมองเห็นทั้งแนวโน้มใหญ่และความคิดที่มีขนาดเล็กลงและการใช้งานที่คลุมเครือมากขึ้น ดูรายการการตั้งค่ารายการเฝ้าดูช่วยให้คุณได้รับแจ้งเกี่ยวกับการอัปเดตที่โพสต์โดยผู้แต่งด้ายหรือตัวแปรการค้นหาใด ๆ การแจ้งเตือนรายการนัดหมายของคุณสามารถส่งทางอีเมล (การแจกแจงรายวันหรือทันที) ซึ่งแสดงใน My Newsreader หรือส่งผ่านฟีด RSS วิธีอื่น ๆ ในการเข้าถึงกลุ่มข่าวสารใช้โปรแกรมอ่านข่าวผ่านทางโรงเรียนนายจ้างหรือผู้ให้บริการอินเทอร์เน็ตของคุณการชำระเงินสำหรับการเข้าถึงกลุ่มข่าวสารจากผู้ให้บริการเชิงพาณิชย์ใช้ Google Groups Mathforum. org ให้ผู้ประกาศข่าวที่สามารถเข้าถึงกลุ่มข่าวสารของ s. sysysys. microsoft ดำเนินการของคุณเอง เซิร์ฟเวอร์ สำหรับคำแนะนำทั่วไปโปรดดู: slyckng. phppage2 เลือกตัวกรองเฉลี่ยของ CountryMoving คุณสามารถใช้โมดูลตัวกรองค่าเฉลี่ยเคลื่อนที่เพื่อคำนวณค่าเฉลี่ยแบบด้านเดียวหรือสองด้านได้จากชุดข้อมูลโดยใช้ความยาวของหน้าต่างที่คุณระบุ หลังจากที่คุณได้กำหนดตัวกรองที่ตรงกับความต้องการของคุณแล้วคุณสามารถใช้ตัวกรองดังกล่าวกับคอลัมน์ที่เลือกในชุดข้อมูลโดยเชื่อมต่อกับโมดูลตัวกรองการสมัคร โมดูลจะคำนวณทั้งหมดและแทนที่ค่าภายในคอลัมน์ตัวเลขโดยมีค่าเฉลี่ยเคลื่อนที่ที่สอดคล้องกัน คุณสามารถใช้ค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้นสำหรับการวางแผนและการสร้างภาพเป็นพื้นฐานใหม่ที่ราบรื่นสำหรับการสร้างแบบจำลองสำหรับคำนวณความแปรปรวนเทียบกับการคำนวณสำหรับช่วงเวลาที่คล้าย ๆ กันและอื่น ๆ ประเภทของค่าเฉลี่ยนี้ช่วยให้คุณสามารถเปิดเผยและคาดการณ์รูปแบบชั่วคราวที่เป็นประโยชน์ในข้อมูลย้อนหลังและแบบเรียลไทม์ ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยเริ่มต้นที่ตัวอย่างบางส่วนของชุดและใช้ค่าเฉลี่ยของตำแหน่งนั้นบวกตำแหน่ง n ก่อนหน้าแทนค่าที่แท้จริง (คุณสามารถกำหนด n ได้ตามที่คุณต้องการ) ระยะเวลา n นานกว่าที่คำนวณค่าเฉลี่ยความแปรปรวนน้อยกว่าที่คุณจะมีระหว่างค่า นอกจากนี้เมื่อคุณเพิ่มจำนวนค่าที่ใช้ผลกระทบน้อยกว่าค่าเดียวใด ๆ ที่มีต่อค่าเฉลี่ยที่เกิดขึ้น ค่าเฉลี่ยเคลื่อนที่สามารถเป็นด้านเดียวหรือสองด้านได้ ค่าเฉลี่ยด้านเดียวใช้เฉพาะค่าก่อนค่าดัชนีเท่านั้น ค่าเฉลี่ยทั้งสองด้านใช้ค่านิยมในอดีตและในอนาคต สำหรับสถานการณ์ที่คุณกำลังอ่านข้อมูลสตรีมมิ่งค่าเฉลี่ยเคลื่อนที่แบบสะสมและถ่วงน้ำหนักมีประโยชน์อย่างยิ่ง ค่าเฉลี่ยเคลื่อนที่สะสมจะคำนึงถึงจุดก่อนช่วงเวลาปัจจุบัน คุณสามารถให้คะแนนข้อมูลทั้งหมดเท่ากันเมื่อคำนวณค่าเฉลี่ยหรือคุณสามารถมั่นใจได้ว่าค่าที่ใกล้เคียงกับจุดข้อมูลปัจจุบันจะมีน้ำหนักมากขึ้น ในค่าเฉลี่ยถ่วงน้ำหนักที่ถ่วงน้ำหนัก น้ำหนักทั้งหมดต้องเป็น 1 ในค่าเฉลี่ยเคลื่อนที่แบบเสวนา ค่าเฉลี่ยประกอบด้วยหัวและหาง ซึ่งสามารถถ่วงน้ำหนักได้ หางน้ำหนักเบาหมายถึงหางหางตามศีรษะค่อนข้างใกล้ชิดดังนั้นค่าเฉลี่ยจะมีลักษณะเหมือนค่าเฉลี่ยเคลื่อนที่ในช่วงถ่วงน้ำหนักสั้น เมื่อน้ำหนักหางน้ำหนักที่หนักกว่าค่าเฉลี่ยจะมีลักษณะเหมือนค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้น เพิ่มโมดูลตัวกรองเฉลี่ยเคลื่อนไหวในการทดสอบของคุณ สำหรับความยาว พิมพ์ค่าบวกจำนวนเต็มบวกที่กำหนดขนาดรวมของหน้าต่างที่ใช้ตัวกรอง นี้เรียกว่าหน้ากากกรอง สำหรับค่าเฉลี่ยเคลื่อนที่ค่าความยาวของตัวกรองจะกำหนดจำนวนเฉลี่ยของค่าในหน้าต่างเลื่อน ตัวกรองที่ยาวขึ้นเรียกอีกอย่างว่าตัวกรองคำสั่งซื้อที่สูงขึ้นและมีหน้าต่างคำนวณขนาดใหญ่ขึ้นและใกล้เคียงกับเส้นแนวโน้มมากขึ้น ตัวกรองใบสั่งที่สั้นกว่าหรือต่ำกว่าใช้หน้าต่างเล็กกว่าในการคำนวณและดูคล้ายกับข้อมูลต้นฉบับมากขึ้น สำหรับ Type เลือกประเภทของค่าเฉลี่ยเคลื่อนที่ที่จะใช้ Azure Machine Learning Studio สนับสนุนการคำนวณค่าเฉลี่ยเคลื่อนที่ต่อไปนี้: ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) ถูกคำนวณเป็นค่าเฉลี่ยการถ่วงน้ำหนักที่ไม่มีการชั่งน้ำหนัก ค่าเฉลี่ยเคลื่อนที่สามเหลี่ยม (TMA) เฉลี่ยสองครั้งสำหรับเส้นแนวโน้มที่ราบรื่น คำสามเหลี่ยมมาจากรูปร่างของน้ำหนักที่ใช้กับข้อมูลซึ่งเน้นค่ากลาง ค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) ให้น้ำหนักมากกว่าข้อมูลล่าสุด การถ่วงน้ำหนักลดลงตามจำนวนเชิงซ้อน ค่าเฉลี่ยเคลื่อนที่แบบเสวนาที่มีการปรับเปลี่ยนคำนวณค่าเฉลี่ยเคลื่อนที่ที่ทำงานโดยที่การคำนวณค่าเฉลี่ยเคลื่อนที่ที่จุดใดจุดหนึ่งจะคำนวณค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ก่อนหน้านี้ที่จุดก่อนหน้าทั้งหมด วิธีนี้ทำให้เส้นแนวโน้มนุ่มนวลขึ้น ค่าเฉลี่ยเคลื่อนที่สะสม (CMA) คำนวณค่าเฉลี่ยเคลื่อนที่ที่จุดปัจจุบัน เพิ่มชุดข้อมูลที่มีค่าที่คุณต้องการคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับและเพิ่มโมดูลตัวกรองการสมัคร เชื่อมต่อตัวกรองเฉลี่ยเคลื่อนที่กับด้านซ้ายของตัวกรองการสมัคร และเชื่อมต่อชุดข้อมูลกับอินพุททางด้านขวา ในโมดูลการกรองข้อมูลใช้ตัวเลือกคอลัมน์เพื่อระบุคอลัมน์ที่ควรใช้ตัวกรอง โดยค่าเริ่มต้นตัวกรองที่คุณสร้างขึ้นจะใช้กับคอลัมน์ตัวเลขทั้งหมดดังนั้นอย่าลืมยกเว้นคอลัมน์ใด ๆ ที่ไม่มีข้อมูลที่เหมาะสม เรียกใช้การทดสอบ ณ จุดนั้นสำหรับชุดของค่าที่กำหนดโดยพารามิเตอร์ความยาวตัวกรองค่าปัจจุบัน (หรือดัชนี) จะถูกแทนที่ด้วยค่าเฉลี่ยที่เคลื่อนที่