Eu tenho essencialmente uma matriz de valores como this. A matriz acima é simplificada demais, estou coletando 1 valor por milissegundo no meu código real e eu preciso processar a saída em um algoritmo que eu escrevi para encontrar o pico mais próximo antes de um ponto no tempo Meu A lógica falha porque no meu exemplo acima, 0 36 é o pico real, mas meu algoritmo olharia para trás e veria o último número 0 25 como o pico, pois há uma diminuição para 0 24 antes dele. O objetivo é tomar esses valores E aplicar um algoritmo para eles que irá suavizar-los um pouco para que eu tenha mais linear valores ou seja, eu d como meus resultados para ser curvy, não jaggedy. I foi dito para aplicar um filtro exponencial de média móvel para os meus valores Como posso Fazer isso É muito difícil para mim ler equações matemáticas, eu lidar muito melhor com o código. Como posso processar valores em minha matriz, aplicando um cálculo de média móvel exponencial para até mesmo out. asked Feb 8 12 at 20 27.To computa Uma média móvel exponencial que você precisa para manter algum estado ao redor e Você precisa de um parâmetro de ajuste Isso chama para uma pequena classe supondo que você está usando o Java 5 ou posterior. Instantiar com o parâmetro de decadência que você quer pode ter ajuste deve estar entre 0 e 1 e, em seguida, use a média para filter. When ler uma página em alguns mathmatical Recorrência, tudo o que você realmente precisa saber quando transformá-lo em código é que os matemáticos gostam de escrever índices em matrizes e seqüências com subscritos Eles ve algumas outras notações, bem como, o que doesn t ajudar No entanto, o EMA é bastante simples, como você só precisa Para lembrar um valor antigo sem arrays de estado complicado required. answered Feb 8 12 at 20 42. TKKocheran Muito bonito Isn t it nice quando as coisas podem ser simples Se começar com uma nova seqüência, obter um novo averager Note que os primeiros termos no A seqüência média saltará em torno de um bit devido a efeitos de limite, mas você obtém aqueles com outras médias móveis também No entanto, uma boa vantagem é que você pode envolver a lógica de média móvel para o averager e experimentar sem perturbar t Ele resto de seu programa muito Donal Fellows Feb 9 12 em 0 06.Eu estou tendo um tempo difícil entender suas perguntas, mas vou tentar responder anyway.1 Se o algoritmo encontrado 0 25 em vez de 0 36, então é errado É errado porque ele assume um aumento ou diminuição monotônico que está sempre subindo ou sempre indo para baixo A menos que você média TODOS os seus dados, seus pontos de dados --- como você apresentá-los --- são não-lineares Se você realmente deseja encontrar o máximo Valor entre dois pontos no tempo, então corte sua matriz de tmin para tmax e encontre o máximo desse subarray.2 Agora, o conceito de médias móveis é muito simples imagine que eu tenho a seguinte lista 1 4, 1 5, 1 4, 1 5, 1 5 Eu posso suavizar isto tomando a média de dois números 1 45, 1 45, 1 45, 1 5 Observe que o primeiro número é a média de 1 5 e 1 4 segundos e primeiros números a segunda nova lista É a média de 1 4 e 1 5 terceira e segunda lista antiga a terceira lista nova a média de 1 5 e 1 4 quarto e terceiro, e assim por diante eu poderia Ter feito período de três ou quatro, ou n Observe como os dados são muito mais suave Uma boa maneira de ver as médias móveis no trabalho é ir para o Google Finance, selecione um estoque tentar Tesla Motors bastante volátil TSLA e clique em technicals na parte inferior da O gráfico Selecionar Média Móvel com um determinado período, e média móvel exponencial para comparar suas diferenças. A média móvel exponencial é apenas mais uma elaboração disto, mas pondera os dados mais antigos menos do que os novos dados esta é uma forma de polarizar o alisamento em direção à parte traseira Por favor, leia a entrada da Wikipedia. Então, isso é mais um comentário do que uma resposta, mas a pequena caixa de comentário foi apenas a pequena boa sorte. Se você está tendo problemas com a matemática, você poderia ir com uma simples média móvel em vez de exponencial Então A saída que você obtém seria o último x termos dividido por x pseudocódigo não testado. Note que você vai precisar para lidar com o início e fim partes dos dados uma vez que claramente você não pode média t os últimos 5 termos quando você está em seu ponto de dados 2 , a São formas mais eficientes de calcular essa soma média móvel - a mais antiga, mas isso é para obter o conceito do que está acontecendo em toda a gente. Resolver esta tarefa de acordo com a descrição da tarefa, usando qualquer linguagem que você pode knowputing a média móvel simples de uma série de numbers. Create uma instância de classe de função stateful que leva um período e retorna uma rotina que leva um número como argumento e retorna um movimento simples Média de seus argumentos até agora. Uma média móvel simples é um método para calcular uma média de um fluxo de números por apenas a média dos últimos números P a partir do fluxo, onde P é conhecido como o período. Pode ser implementado por chamar uma inicialização Rotina com P como seu argumento, IP, que deve então retornar uma rotina que quando chamado com membros individuais, sucessivos de um fluxo de números, calcula a média de até, o último P deles, permite chamar isso SMA. A palavra stateful na descrição da tarefa refere-se à necessidade para o SMA de se lembrar de certas informações entre as chamadas para ele. O período, P. An ordenou o contêiner de pelo menos os últimos números P de cada uma de suas chamadas individuais. Sucessivas chamadas para I, o inicializador, deve retornar rotinas separadas que não compartilham estado salvo para que eles poderiam ser usados em dois fluxos independentes de dados. Pseudo-código para uma implementação de SMA is. This versão usa uma fila persistente para armazenar mais Recentes valores de p Cada função retornada de init-moving-average tem seu estado em um átomo que mantém um valor de fila. Esta implementação usa uma lista circular para armazenar os números dentro da janela no início de cada iteração apontador refere-se à célula de lista que contém O valor apenas movendo-se para fora da janela e para ser substituído com o valor apenas acrescentado. Usando um fechamento edit. Currently este sma pode t ser nogc porque ele aloca um encerramento no heap Algumas análise de fuga poderia remover o h Eap allocation. Using um Struct edit. This versão evita a alocação de heap do encerramento mantendo os dados no quadro de pilha da função principal Mesmo output. To evitar as aproximações de ponto flutuante manter empilhando-se e crescendo, o código poderia executar uma soma periódica Em toda a fila de fila circular. Esta implementação produz dois objetos função estado de compartilhamento Ele é idiomático em E para separar a entrada de leitura de saída de escrever em vez de combiná-los em um objeto. A estrutura é o mesmo que a implementação do Desvio Padrão E. The Elixir abaixo gera uma função anônima com um período embutido p, que é usado como o período da média móvel simples A função de execução lê entrada numérica e passa para a função anônima recém-criada e, em seguida, inspeciona o resultado para STDOUT. A saída É mostrada abaixo, com a média, seguida pela entrada agrupada, formando a base de cada média móvel. Erlang tem fechamentos, mas variáveis imutáveis Uma solução então i S para usar processos e uma mensagem simples passagem API. Matrix linguagens têm rotinas para calcular as avarages deslizando para uma determinada seqüência de items. It é menos eficiente para loop como nos comandos a seguir. Continuamente solicita uma entrada I que é adicionado a O fim de uma lista L1 L1 pode ser encontrado pressionando 2ND 1, ea média pode ser encontrada em List OPS. Pressione ON para terminar o programa. Função que retorna uma lista contendo os dados médios do argumento fornecido. Valor em cada invocação. list é a média da lista p é o período 5 retorna a lista média. Exemplo 2 Usando o programa movinav2 i, 5 - Inicializando cálculo da média móvel, e definir período de 5 movinav2 3, xx - novos dados na O valor da lista 3 eo resultado será armazenado na variável x, e será exibido o movinav2 4, xx - o novo valor de dados 4 e o novo resultado será armazenado na variável x e exibido 4 3 2.Descrição da função movinavg variável r - É o resultado da média T que será retornada variável i - é a variável de índice, e aponta para o fim da sub-lista a lista sendo variável média z - uma variável auxiliar. A função usa a variável i para determinar quais valores da lista serão considerados No cálculo da média seguinte Em cada iteração, a variável i aponta para o último valor na lista que será usado no cálculo médio Então, só precisamos descobrir qual será o primeiro valor na lista Normalmente teremos que considerar p No entanto, nas primeiras iterações, esse cálculo será normalmente negativo, de modo que a seguinte equação irá evitar índices negativos max ip 1,1 ou, arranjando a equação, max ip, 0 1 Mas o número de elementos nas primeiras iterações também será menor, o valor correto será index final - begin index 1 ou, arranjar a equação, i - max ip, 0 1 1, e então, i - max ip, 0 Variável Z possui o valor comum max ip, 0 então o beginindex irá Be z 1 e os numberofelements serão iz. mid list, z 1, iz retornará a lista de valor que será a soma média somando-os sum iz ri os medirá e armazenará o resultado no lugar apropriado na lista de resultados. Fp1 cria uma aplicação parcial de fixação, neste caso, o segundo e terceiro Parameters. Um Simples Moving Average Implementação em Java. Em várias ocasiões, eu quis computar métricas simples em meus aplicativos Java, por exemplo, o número de hits por hora, ou erros Ao longo de um período de tempo Enquanto a computação de métricas simples não é terrivelmente difícil, é apenas trabalho extra e eu prefiro passar esse tempo no domínio do problema Fiquei surpreso ao não encontrar qualquer amplamente aceito soluções para métricas em Java Eu encontrei Metrics, mas parecia Um pouco complicado e não bem documentado - Tudo o que eu realmente queria era calcular uma média móvel Eu pensei sobre o problema um pouco mais e decidiu que não é um problema difícil Aqui está a minha solução. Isso funciona criando uma matriz de Janela de atualização de tamanho de freqüência, em seguida, um segmento define a contagem para o próximo índice na matriz na freqüência de atualização A contagem para o intervalo é simplesmente matriz i - array i 1, que é a mais recente contagem menos a contagem mais antiga Por um minuto 10 , A contagem mais antiga i 1 é exatamente 10 minutos old. To adicionar uma média móvel para o nosso primeiro código, vamos precisar de um contador, usando AtomicLong. This contador deve ser incrementado com base nos eventos que você está interessado em computação eg pedidos POST para um REST service. We necessidade de fornecer a implementação com acesso ao contador e que é realizado através da interface GetCount Aqui vou criar uma média móvel com uma janela de 5 minutos que atualiza cada second. And para obter a média atual, chamamos simplesmente o getAverage Um detalhe de implementação de chave é como o tamanho da matriz é determinado pela divisão da janela pela frequência de atualização. Assim, uma janela grande com uma frequência de atualização freqüente pode consumir uma quantidade significativa de memória. No entanto, se criamos uma média móvel de 24 horas com um intervalo de 1 segundo o tamanho seria 86400 A frequência de atualização mais razoável para um período de 24 horas pode ser a cada 5 minutos tamanho da matriz de 288. Outra consideração de escolher A janela e freqüência de atualização é a janela deve ser divisível pela freqüência Por exemplo uma janela de 2 minutos com uma freqüência de atualização de 6 segundos é ok, mas uma frequência de atualização de 7 segundos não é, uma vez que não é divisível por 120 An IllegalArgumentException é lançada se A freqüência de atualização de módulo de janela não é zero. Esta implementação requer um segmento por média móvel, o que não é muito eficiente Uma solução melhor seria compartilhar um segmento em muitas médias Update Eu vi atualizado o código para compartilhar um tópico here. Lastly, S um problema de estado inicial que don t tem dados ainda para toda a janela Por exemplo, se você tem uma janela de 5 minutos e apenas 15 segundos de dados Esta implementação retorna null até que temos 5 minutos de dados Outra abordagem é estimar a média Suponha que temos uma contagem de 10 em 30 segundos, então podemos estimar a média como 40 em 2 minutos No entanto, há risco de erro significativo pela extrapolação de dados incompletos Por exemplo, se tivéssemos uma explosão de 20 Hits em 2 segundos, nós d estar estimando 1200 por 2 minutos, o que com toda a probabilidade é muito longe.
No comments:
Post a Comment