Bewegende Gemiddelde Aggregasie

Eenvoudige bewegende gemiddelde - SMA Wat is 'n eenvoudige bewegende gemiddelde - SMA N Eenvoudige bewegende gemiddelde (SMA) is 'n rekenkundige bewegende gemiddelde bereken deur die byvoeging van die sluitingsprys van die sekuriteit vir 'n aantal tydperke en dan verdeel dit totaal deur die aantal keer tydperke. Soos getoon in die grafiek hierbo, baie handelaars kyk vir 'n kort termyn gemiddeldes hierbo langer termyn gemiddeldes te steek om die begin van 'n uptrend sein. Korttermyn gemiddeldes kan optree as die vlakke van ondersteuning wanneer die prys ondervind met 'n terugsakking. VIDEO laai die speler. Afbreek Eenvoudige bewegende gemiddelde - SMA N Eenvoudige bewegende gemiddelde is aanpas omdat dit bereken kan word vir 'n verskillende aantal tydperke, eenvoudig deur die toevoeging van die sluitingsprys van die sekuriteit vir 'n aantal tydperke en dan verdeel dit totaal deur die aantal van tydperke, wat die gemiddelde prys van die sekuriteit oor die tydperk gee. 'N Eenvoudige bewegende gemiddelde stryk uit wisselvalligheid, en maak dit makliker om die prys tendens van 'n sekuriteit te sien. As die eenvoudige tot bewegende gemiddelde punte, beteken dit dat die securitys prys is aan die toeneem. As dit is wys af beteken dit dat die securitys prys daal. Hoe langer die tydperk vir die bewegende gemiddelde, die gladder die eenvoudige bewegende gemiddelde. 'N Korter termyn bewegende gemiddelde is meer wisselvallig, maar sy lees is nader aan die bron data. Analitiese betekenis bewegende gemiddeldes is 'n belangrike analitiese instrument wat gebruik word om die huidige prys tendense te identifiseer en die potensiaal vir 'n verandering in 'n gevestigde tendens. Die eenvoudigste vorm van die gebruik van 'n eenvoudige bewegende gemiddelde in analise is om dit te gebruik om vinnig te identifiseer as 'n sekuriteit is in 'n uptrend of verslechtering neiging. Nog 'n gewilde, al is dit 'n bietjie meer kompleks analitiese instrument, is om 'n paar eenvoudige bewegende gemiddeldes te vergelyk met mekaar oor verskillende tydperke. As 'n korter termyn eenvoudige bewegende gemiddelde is bo 'n langer termyn gemiddelde, is 'n uptrend verwag. Aan die ander kant, 'n langtermyn-gemiddelde bo 'n korter termyn gemiddelde dui op 'n afwaartse beweging in die tendens. Gewilde handelspatrone Twee gewilde handelspatrone so eenvoudig bewegende gemiddeldes gebruik sluit die dood kruis en 'n goue kruis. 'N die dood kruis vind plaas wanneer die 50-dag eenvoudig bewegende gemiddelde kruise onder die 200-daagse bewegende gemiddelde. Dit word beskou as 'n lomp sein, wat verdere verliese is in die winkel. Die goue kruis vind plaas wanneer 'n korttermyn-bewegende gemiddelde breek bo 'n langtermyn-bewegende gemiddelde. Versterk deur 'n hoë verhandelingsvolumes, kan dit dui verdere stygings in store. DAX sluit 'n paar statistiese samevoeging funksies, soos gemiddelde, variansie en standaardafwyking. Ander tipiese statistiese berekeninge vereis dat jy meer DAX uitdrukkings skryf. Excel, uit hierdie oogpunt, het 'n veel ryker taal. Die statistiek Patrone is 'n versameling van algemene statistiese berekeninge: mediaan, modus, bewegende gemiddelde, persentiel, en kwartiel. Ons wil graag dankie sê Colin Banfield, Gerard Brueckl, en Javier Guilln, wie se blogs geïnspireer sommige van die volgende patrone. Basiese Patroon Voorbeeld Die formules in hierdie patroon is die oplossings vir spesifieke statistiese berekeninge. Gemiddeld Jy kan standaard DAX funksies gebruik om die gemiddelde (rekenkundige gemiddelde) van 'n stel waardes te bereken. GEMIDDELDE. gee die gemiddeld van al die getalle in 'n numeriese kolom. AVERAGEA. gee die gemiddeld van al die nommers in 'n kolom, die hantering van beide teks en nie-numeriese waardes (nie-numeriese en leë teks waardes tel as 0). AVERAGEX. bereken die gemiddelde op 'n uitdrukking geëvalueer oor 'n tafel. Bewegende gemiddelde Die bewegende gemiddelde is 'n berekening om datapunte te analiseer deur die skep van 'n reeks van gemiddeldes van verskillende onderafdelings van die volle datastel. Jy kan baie DAX tegnieke te gebruik om hierdie berekening te implementeer. Die eenvoudigste tegniek gebruik AVERAGEX, iterating 'n tafel van die gewenste korrelig en berekening vir elke iterasie die uitdrukking dat die enkele datapunt om te gebruik in die gemiddelde genereer. Byvoorbeeld, die volgende formule bereken die bewegende gemiddelde van die afgelope 7 dae, in die veronderstelling dat jy 'n tafel Datum in jou data model. Die gebruik van AVERAGEX, jy outomaties die maatstaf te bereken by elke korrelig vlak. By die gebruik van 'n maatstaf wat gebruik kan word saamgevoeg (soos som), en dan die ander approachbased op CALCULATEmay vinniger wees. Jy kan hierdie alternatiewe benadering in die volledige patroon van bewegende gemiddelde vind. Variansie Jy kan standaard DAX funksies gebruik om die variansie van 'n stel waardes te bereken. VAR. S. terug die variansie van waardes in 'n kolom verteenwoordig 'n monster bevolking. VAR. P. terug die variansie van waardes in 'n kolom wat die hele bevolking. VARX. S. terug die variansie van 'n uitdrukking geëvalueer oor 'n tafel wat 'n monster bevolking. VARX. P. terug die variansie van 'n uitdrukking geëvalueer oor 'n tafel wat die hele bevolking. Standaardafwyking Jy kan standaard DAX funksies gebruik om die standaard afwyking van 'n stel waardes te bereken. STDEV. S. gee die standaardafwyking van waardes in 'n kolom verteenwoordig 'n monster bevolking. STDEV. P. gee die standaardafwyking van waardes in 'n kolom wat die hele bevolking. STDEV. S. gee die standaard afwyking van 'n uitdrukking geëvalueer oor 'n tafel wat 'n monster bevolking. STDEV. P. gee die standaard afwyking van 'n uitdrukking geëvalueer oor 'n tafel wat die hele bevolking. Mediaan Die mediaan is die numeriese waarde skei die hoër helfte van 'n bevolking van die onderste helfte. As daar 'n onewe aantal rye, die mediaan is die middelste waarde (sorteer die rye van die laagste waarde van die hoogste waarde). As daar 'n ewe aantal rye, dit is die gemiddeld van die twee middelste waardes. Die formule ignoreer leeg waardes, wat nie beskou as deel van die bevolking. Die resultaat is identies aan die mediaan funksie in Excel. Figuur 1 toon 'n vergelyking tussen die resultate teruggestuur deur Excel en die ooreenstemmende DAX formule vir die mediaan berekening. Figuur 1 Voorbeeld van mediaan berekening in Excel en DAX. Modus Die modus is die waarde wat die meeste voorkom in 'n stel data. Die formule ignoreer leeg waardes, wat nie beskou as deel van die bevolking. Die resultaat is identies aan die modus en MODE. SNGL funksies in Excel, wat net die minimum waarde wanneer daar is verskeie vorme in die stel waardes beskou terugkeer. Die Excel-funksie MODE. MULT sal al die modes terugkeer, maar jy kan dit nie implementeer as 'n maatstaf in DAX. Figuur 2 vergelyk die resultaat teruggekeer deur Excel met die ooreenstemmende DAX formule vir die modus berekening. Figuur 2 Voorbeeld van af berekening in Excel en DAX. Persentiel Die persentiel is die waarde hieronder wat 'n gegewe persentasie van waardes in 'n groep val. Die formule ignoreer leeg waardes, wat nie beskou as deel van die bevolking. Die berekening in DAX vereis 'n paar stappe, in die volledige Patroon artikel, wat wys hoe om dieselfde resultate van die Excel funksies PERCENTILE, PERCENTILE. INC, en PERCENTILE. EXC verkry beskryf. Kwartiel Die kwartiele is drie punte wat 'n stel waardes verdeel in vier gelyke groepe, elke groep wat bestaan ​​uit 'n kwart van die data. Jy kan die kwartiele met behulp van die Percentile patroon bereken, na aanleiding van hierdie ooreenkomste: Eerste kwartiel onderste kwartiel 25 ste persentiel tweede kwartiel mediaan 50 ste persentiel derde kwartiel boonste kwartiel 75 ste persentiel Volledige Patroon n Paar statistiese berekeninge het 'n langer beskrywing van die volledige patroon, omdat jy dalk verskillende implementering het na gelang van data modelle en ander vereistes. Bewegende gemiddelde Gewoonlik jy die bewegende gemiddelde evalueer deur die verwysing na die dag korrelig vlak. Die algemene sjabloon van die volgende formule het hierdie merkers: ltnumberofdaysgt is die aantal dae vir die bewegende gemiddelde. ltdatecolumngt is die datum kolom van die datum tafel as jy een het, of die datum kolom van die tabel met waardes indien daar geen afsonderlike datum tafel. ltmeasuregt is die maatstaf om te bereken as die bewegende gemiddelde. Die eenvoudigste patroon gebruik die AVERAGEX funksie in DAX, wat outomaties oorweeg slegs die dae waarvoor daar nie 'n waarde. As 'n alternatief, kan jy die volgende sjabloon in datamodelle gebruik sonder 'n datum tafel en met 'n mate dat kan saamgevoeg word (soos som) oor die hele tydperk beskou. Die vorige formule van mening 'n dag met geen ooreenstemmende data as 'n maatstaf wat 0 waarde het. Dit kan net gebeur wanneer jy 'n aparte datum tafel, wat dae waarvoor daar geen ooreenstemmende transaksies kan bevat. Jy kan die deler vir die gemiddelde gebruik van slegs die aantal dae op te los waarvoor daar transaksies met behulp van die volgende patroon, waar: ltfacttablegt is die tafel wat verband hou met die datum tafel en met waardes bereken deur die maatstaf. Jy kan gebruik maak van die DATESBETWEEN of DATESINPERIOD funksies in plaas van FILTER, maar dit werk net in 'n gereelde datum tafel, terwyl jy die bogenoemde ook beskryf om nie-gereelde datum tafels en modelle wat nie 'n datum tafel patroon kan toepas. Byvoorbeeld, kyk na die verskillende resultate wat deur die volgende twee mate. In Figuur 3, kan jy sien dat daar geen verkope op 11 September 2005 is egter hierdie datum ingesluit in die tabel Datum dus is daar 7 dae (vanaf September 11-17 September) dat slegs 6 dae met data het. Figuur 3 Voorbeeld van 'n bewegende gemiddelde berekening oorweeg en ignoreer datums met geen verkope. Die maatreël Moving Gemiddelde 7 Dae het 'n laer getal tussen 11 September en 17 September, want dit is van mening 11 September as 'n dag saam met 0 verkope. As jy wil dae ignoreer sonder verkope, gebruik dan die maatstaf Moving Gemiddelde 7 dae Geen Zero. Dit kan die regte benadering wees wanneer jy 'n volledige datum tafel, maar jy wil dae met geen transaksies ignoreer. Die gebruik van die bewegende gemiddelde 7 Dae formule, die resultaat is korrek, want AVERAGEX mening outomaties enigste nie-leeg waardes. Hou in gedagte dat jy die prestasie van 'n bewegende gemiddelde kan verbeter deur volgehoue ​​waarde in 'n berekende kolom van 'n tafel met die gewenste korrelig, soos datum, of 'n datum en produk. Maar die dinamiese berekening benadering met 'n mate bied die vermoë om 'n parameter gebruik vir die aantal dae van die bewegende gemiddelde (bv vervang ltnumberofdaysgt met 'n mate die implementering van die Parameters Table patroon). Mediaan Die mediaan ooreenstem met die 50 ste persentiel, wat jy kan bereken met behulp van die Percentile patroon. Maar die Mediaan patroon kan jy optimaliseer en vereenvoudig die mediaan berekening met behulp van 'n enkele maatstaf, in plaas van die verskeie maatreëls wat deur die Percentile patroon. Jy kan hierdie benadering gebruik wanneer jy die mediaan te bereken vir waardes in ltvaluecolumngt, soos hieronder getoon: Om prestasie te verbeter, wil jy dalk die waarde van 'n maatstaf volhard in 'n berekende kolom, as jy wil hê dat die mediaan vir die resultate van verkry 'n maatstaf in die data model. Maar, voordat dit te doen optimalisering, jy moet die MedianX berekening gebaseer op die volgende sjabloon te implementeer, met behulp van hierdie merkers: ltgranularitytablegt is die tafel wat die korrelig van die berekening definieer. Byvoorbeeld, kan dit die tafel Datum wees as jy wil hê dat die mediaan van 'n mate bereken teen die dag te bereken, of dit kan waardes (8216DateYearMonth) as jy wil hê dat die mediaan van 'n mate bereken teen die maand vlak te bereken. ltmeasuregt is die maatstaf om te bereken vir elke ry van ltgranularitytablegt vir die mediaan berekening. ltmeasuretablegt is die tafel wat data gebruik word deur ltmeasuregt. Byvoorbeeld, as die ltgranularitytablegt is 'n dimensie soos 8216Date8217, dan is die ltmeasuretablegt sal wees 8216Internet Sales8217 met die Internet verkope Bedrag kolom opgesom deur die Internet Totaal Verkope meet. Byvoorbeeld, kan jy die mediaan van Internet Totaal Verkope skryf vir al die kliënte in Avontuur Werke soos volg: Wenk Die volgende patroon: word gebruik om rye van ltgranularitytablegt dat geen ooreenstemmende data in die huidige seleksie het verwyder. Dit is 'n vinniger manier as die gebruik van die volgende uitdrukking: Maar kan jy die hele CALCULATETABLE uitdrukking te vervang met net ltgranularitytablegt as jy wil leeg waardes van die ltmeasuregt beskou as 0. Die prestasie van die MedianX formule hang af van die aantal rye in die tafel herhaal en op die kompleksiteit van die maatstaf. As prestasie is sleg, kan jy die ltmeasuregt gevolg volhard in 'n berekende kolom van die lttablegt, maar dit sal die vermoë van die toepassing van filters om die mediaan berekening by navraag tyd verwyder. Persentiel Excel het twee verskillende implementering van persentiel berekening met drie funksies: PERCENTILE, PERCENTILE. INC, en PERCENTILE. EXC. Hulle het almal die standaard van die K-ste persentiel van waardes, waar K is in die reeks 0 tot 1. Die verskil is dat PERCENTILE en PERCENTILE. INC oorweeg K as 'n inklusiewe reeks, terwyl PERCENTILE. EXC van mening dat die K-reeks 0-1 as eksklusiewe . Al hierdie funksies en hul DAX implementering ontvang 'n persentiel waarde as parameter, wat ons noem K. ltKgt persentiel waarde is in die reeks 0 tot 1. Die twee DAX implementering van persentiel vereis dat 'n paar maatreëls wat soortgelyk is, maar verskillende genoeg om te vereis twee ander stel formules. Die gedefinieer in elke patroon maatreëls is: KPerc. Die persentiel waarde dit ooreenstem met ltKgt. PercPos. Die posisie van die persentiel in die gesorteerde stel waardes. ValueLow. Die waarde onder die persentiel posisie. ValueHigh. Die waarde bo die persentiel posisie. Persentiel. Die finale berekening van die persentiel. Jy moet die ValueLow en ValueHigh maatreëls in geval die PercPos bevat 'n desimale deel, want dan moet jy interpoleer tussen ValueLow en ValueHigh ten einde die korrekte persentiel waarde terugkeer. Figuur 4 toon 'n voorbeeld van die berekeninge gemaak met Excel en DAX formules, met behulp van beide algoritmes van persentiel (inklusiewe en eksklusiewe). Figuur 4 Percentile berekeninge met behulp van Excel formules en die ekwivalent DAX berekening. In die volgende afdelings, die Percentile formules uit te voer die berekening van waardes gestoor word in 'n tabel kolom, DataValue, terwyl die PercentileX formules uit te voer die berekening van waardes teruggekeer met 'n mate bereken op 'n gegewe korrelig. Persentiel Inklusiewe Die persentiel Inklusiewe implementering is die volgende. Persentiel Exclusive Die persentiel Exclusive implementering is die volgende. PercentileX Inklusiewe Die PercentileX Inklusiewe implementering is gebaseer op die volgende sjabloon, met behulp van hierdie merkers: ltgranularitytablegt is die tafel wat die korrelig van die berekening definieer. Byvoorbeeld, kan dit die tafel Datum wees as jy wil hê dat die persentiel van 'n maatstaf te bereken op die dag vlak, of dit kan waardes (8216DateYearMonth) as jy wil hê dat die persentiel van 'n maatstaf te bereken op die maand vlak. ltmeasuregt is die maatstaf om te bereken vir elke ry van ltgranularitytablegt vir persentiel berekening. ltmeasuretablegt is die tafel wat data gebruik word deur ltmeasuregt. Byvoorbeeld, as die ltgranularitytablegt is 'n dimensie soos 8216Date, 8217 dan die ltmeasuretablegt sal wees 8216Sales8217 met die bedrag kolom opgesom deur die totale bedrag meet. Byvoorbeeld, kan jy die PercentileXInc van totale bedrag van verkope te skryf vir al die datums in die tabel Datum soos volg: PercentileX Exclusive Die PercentileX Exclusive implementering is gebaseer op die volgende sjabloon, met behulp van dieselfde merkers gebruik word in PercentileX Inklusiewe: Byvoorbeeld, jy kan die PercentileXExc van totale bedrag van verkope te skryf vir al die datums in die tabel Datum soos volg: Populariteit Hou my op die hoogte oor die komende patrone (nuusbrief). Ontmerk om die lêer vrylik te laai. Gepubliseer op 17 Maart 2014 deur Ander patrone wat jy kan hou Tyd Patrone Die DAX tyd patrone word gebruik om tydgebonde berekeninge te implementeer sonder om op DAX tyd intelligensie funksies. Dit is nuttig wanneer jy 'n persoonlike agenda, soos 'n ISO 8601 week kalender, of wanneer jy 'n Ontleding Services hellip ouer-kind Hierarchies DAX nie direk ondersteun ouer-kind hiërargieë. Om 'n soekbare hiërargie in die data model te verkry, moet jy 'n ouer-kind hiërargie natuurlik maak. DAX bied spesifieke funksies aan 'n ouer-kind hiërargie behulp bereken kolomme natuurlik maak. Die volledige patroon sluit ook hellip Dax Patrone is vervaardig deur SQLBI. Kopiereg kopie Loader. Alle regte voorbehou. Microsoft Excel Reg en alle ander handelsmerke en kopieregte is die eiendom van hulle onderskeie owners. Aggregation om die bewegende gemiddelde bereken op 'n histogram samevoeging 10002 Dit samevoeging sal die bewegende gemiddelde van broer statistieke in histogram-styl data (histogram. Datehistogram) te bereken. Bewegende gemiddeldes is nuttig wanneer tydreeksdata is plaaslik skryfbehoeftes en het 'n gemiddelde wat stadig met verloop van tyd verander. Seisoenale data kan 'n ander analise, asook data wat bimodale, bursty of bevat gereelde ekstreemwaardes (wat nie noodwendig is uitskieters) nodig. Die movavg samevoeging ondersteun verskeie konfigureerbare opsies: venster grootte van die gebruiker die venster grootte wat hulle wil 'n bewegende gemiddelde vir bereken spesifiseer. Bv 'n gebruiker kan 'n 30-dag gly venster oor 'n histogram van 90 dae totaal wil. Tans, as daar nie genoeg data om die venster te vul, die bewegende gemiddelde bereken word met alles wat beskikbaar is. Byvoorbeeld, as 'n gebruiker van 30 dae venster kies, dae 29/01 sal die bewegende gemiddelde met tussen 1-29 dae van data te bereken. Ons kan ondersoek die toevoeging van meer rand beleid, wat bepaal hoe om te hanteer gapings op die rand van die bewegende gemiddelde Gewig Tipe Tans is die AGG ondersteun vier tipes gewig: eenvoudig. 'N Eenvoudige (rekenkundige) gemiddelde. Standaard. lineêre. A lineêr geweegde gemiddelde, sodanig dat data word lineêr minder belangrik as dit ouer word in die venster singleexp. Enkele eksponensieel geweegde gemiddelde (aka EWMA of Browns Eenvoudige Exp Smoothing), sodanig dat data word eksponensieel minder belangrik as dit ouer word. doubleexp. Double eksponensieel geweegde gemiddelde (aka Holt-Winters). Gebruik twee eksponensiële terme: eerste gladde data eksponensieel soos singleexp. maar dan pas tweede regstellende smoothing om rekenskap te gee 'n tendens. Todo: Ontbloot alfa en beta Alpha en Beta is parameters wat die gedrag van singleexp en doubleexp beheer. Alpha: kontroles hoe ver die enkele eksponensiële gladstryking termyn loop agter die draaipunte in die gemiddelde deur 1 / alfa tydperke. Alpha 1 beteken die smoothing term het geen geheue (tydperk van 1), en naboots 'n ewekansige loop. Alpha 0 beteken die smoothing termyn het oneindige geheue en verslae die gemiddelde van die data Beta: Slegs gebruik in doubleexp. Analoog aan Alpha maar toegepas op die tendens glad eerder as die data glad. Todo: Ondersoek metrieke-gewig Sy soms nuttig om 'n tydperk gewig deur sy afstand vanaf die huidige tyd, maar eerder deur 'n paar metrieke wat gebeur het in daardie tyd interval. Bv gewig deur die volume van die transaksies wat gebeur het op daardie dag. Dit moet moontlik om gewig op grond van statistieke in die emmer wees, hoewel dit kan kry ingewikkeld as die waarde ontbreek. Monster Versoek Dit sal 'n bewegende gemiddelde (gly venster van drie dae) oor die bedrag van die prys in elke dag te bereken: Voorbeeld ResponseA ruk gelede het ek geskryf oor die berekening van bewegende gemiddelde van lewende data met behulp van die metode buffer () in Reaktiewe Uitbreidings. Die metode skep 'n buffer van updates wie grens u as die ontwikkelaar spesifiseer, en bied jou die loop buffer met elke daaropvolgende werk. Die update 8216current8217 sal laaste in die buffer, wat jou toelaat om die inklusiewe bewegende gemiddelde te bereken, een waar die laaste faktor is ingesluit in die resultate. Onlangs moes ek iets soortgelyks met statiese data in 'n aansoek wat nie met behulp van RX doen, kiem het 'n goed-gedefinieerde LINQ-gebaseerde data verskaffer. Tot my verbasing het ek gevind dat LINQ verskaf nie 'n buffer metode uit die boks. Om my groter verrassing, het ek gevind dat dit maklik is om een ​​te implementeer. Die kode is hieronder. Ek wou nie aanvaar dat ons net sal verrig gemiddelde riffen dus ek het my oplossing redelik generiese. Dit sou wees tot die gebruiker van my funksie om die kode van die samevoeging logika. In hierdie post, sou ek gemiddeld riffen demonstreer, maar die gebruiker van hierdie funksie kan niks doen met 'n gegewe stel items sou wees. In die eerste plek let8217s definieer 'n datastruktuur, genoem Aggregasie wat gebruik sou word om die oorspronklike draai en voeg 'n nuwe AggregatedValue eiendom (lyn 16) dat ons sou bevolk tydens samevoeging proses. Dan definieer ek 'n monster TimedDataPoint wat gebruik sou word om aandele pryse hou in my voorbeeld. Ten slotte, let8217s definieer 'n LINQ funksie wat 'n stel van items in die oorspronklike stel sou buffer en sal 'n aangepaste stel terug met minder items, waar elke item 'n samevoeging waarde vir die gebuffer stel sou bevat. Om sukses te eis, moet ek die funksie te toets. Om te speel met reële getalle, let8217s kry die geskiedenis van weeklikse MSFT voorraad opbrengste uit yahoo. Let8217s uitvoer hierdie data om te presteer en die skep van 'n stel van bewegende gemiddeldes van Beslote prys aan ons data te toets. Here8217s wat die sigblad moet lyk: Ons kan dan 'n monster dataset om die oorspronklike sluitingsdatum pryse verteenwoordig. Ons kan dan ons funksie toets my skep van 'n bewegende gemiddelde berekening van die datastel. Die kode is hieronder. Eerste, Ek skep die dataaset, dan het ek Itereer deur die dataset, spuit die data in my aggregator funksie, wat op sy beurt 'n beroep my terug en vra my om 2 belangrike besluite te neem: 1. buffer Indien dit voortgaan (Lines 60 en 71) 2 . Gegewe 'n buffer verskaf 'n samevoeging. (Line 61 in die eerste voorbeeld en lyne 74-82 in die tweede) die opbrengs van die monster moet die 6-dag Gem kolom pas in die aangehegte sigblad. Ek het gevind dat hierdie aggregator funksie baie handig. Hoop jy sal die laaste artikel het ons verduidelik hoe die eenvoudige bewegende gemiddelde pyplyn samevoeging gewerk en hoe om die tendense van die voorraad waardes van 'n firma met dit analiseer too. In. In hierdie post, bespreek ons ​​meer bewegende gemiddelde samevoeging modelle en hul verskille in detail. Ons gebruik dieselfde datastel as in die vorige post. Daar is twee modelle wat gebruik word vir die berekening van bewegende gemiddeldes: Eenvoudige en Geweegde. Soos ons beweeg in datastelle van hoër kompleksiteit, sal tendense ontleding meer akkuraat wees as ons gewigte insluit om die onlangse waardes. Geweegde modelle van bewegende gemiddeldes ken gewig aan elke waarde van die stel volgens sy ouderdom data. Daar is verskeie tipes van geweegde bewegende gemiddeldes: Lineêre bewegende gemiddelde In die lineêre bewegende gemiddelde model, is datapunte 'n lineêre weightage opgedra. Dit beteken dat in die venster van datapunte beskou, ouer datapunte is 'n lineêr minder belangrike waarde as die onlangse kinders toegeken. In hierdie voorbeeld hergebruik ons ​​die navraag gebruik om die eenvoudige bewegende gemiddelde te bereken. Gebruik dit om te bereken die lineêre bewegende gemiddelde en plot die verskil tussen die twee: Die reaksie van die navraag het drie afdelings in die riffen emmers, soos hieronder: Plot hierdie waardes in 'n enkele grafiek sal ons lewer die volgende grafiek: Soos jy kan sien die lineêre bewegende gemiddelde kurwe, maar ná 'n soortgelyke kurwe aan dié van die eenvoudige bewegende gemiddelde, toon 'n effense verskuiwing van die lineêre kurwe afwaarts. Dit is te danke aan die gewig aan die onlangse waardes. As ons die grootte venster te verhoog vir die lineêre samevoeging, sal die lae frekwensie skommelinge in die oorspronklike reeks beter weerspieël. Dit sal egter die hoë frekwensie kinders word stryk. Eksponensieel Geweegde Moving Gemiddeld eksponensieel geweeg bewegende gemiddelde gebruik dieselfde metode van dié van die lineêre bewegende gemiddelde. Maar die afhanklikheid van ou data punte verminder eksponensieel in vergelyking met die lineêre afhanklikheid in die lineêre bewegende gemiddelde model. Die tempo waarteen die afhanklikheid verval op ou data punte toename kan beheer word deur die parameter alfa aan die samevoeging. Kleiner waardes vir die parameter maak die verval stadiger terwyl die hoër waarde maak dit hoër. Hier is die soektog deel vir die eksponensiële geweeg bewegende gemiddelde samevoeging met die alfa waarde ingestel op 'n matige waarde van 0,3 As ons plot die gevolg van hierdie navraag met hul regte waardes om 'n grafiek, soos ons hierbo gedoen het, sou dit so lyk: soos ons die verhoging van die waarde van alfa. die ewma kurwe sal nader aan die oorspronklike kurwe met die lag ook afneem as die afhanklikheid van die ouer waardes eksponensieel icreasing geword. Holt bewegende gemiddelde In die vorige modelle van die bewegende gemiddelde riffen, het ons aanvaar dat daar geen tendense in die data punte gegee. Ons het die eenvoudige, lineêre toegepas, en die eksponensieel geweeg modelle om die data en gegenereer 'n lineêre tendens data van hulle. Wat gebeur as ons met tendense korttermyn in die gegewe data. tendense Korttermyn is sikliese patrone wat van tyd tot tyd en duidelik voorkom in die data met die vorige modelle, is daar kanse dat hierdie sikliese patters nie behoorlik sou geïdentifiseer omdat hulle bereken lineêre tendense, veral as die tendense is nodig meer as 'n enkele tydperk te voorspel wat voorlê. In sulke gevalle gebruik ons ​​die Holt model van bewegende gemiddeldes. Hier het ons twee parameters. Alpha. soos die EWMA, word bereken dat die vlakke. Die Beta parameter word gebruik om plaaslike tendens waardes te skat. Soos die beta parameter toeneem, is dit aanvaar dat die plaaslike tendense vinniger verander. Soos die beta waarde verminder, is die plaaslike tendense veronderstel om stadig verander. Die soektog vir die Holt model met alfa en beta waardes van 0.5 word hieronder gegee: Wanneer die opbrengs van hierdie samevoeging is geplot teen die oorspronklike voorraad waardes en die ewma model, sal dit lyk soos: Jy kan sien dat die plot vir die Holt is beweeg baie nader aan die laer waardes van die oorspronklike voorraad waardes as dié van die EWMA, met aanduiding van die aandag aan die plaaslike tendense betrokke. Holt-Winters bewegende gemiddelde Terwyl die normale Holt model dek plaaslike tendense, nie die geval is dit die kwessie van die seisoenale tendense wat dalk versteek in die data. Die Holt-Winters model word gebruik om seisoenale tendense te akkommodeer. Dit beteken in wese dat dit nou volg die data tendense. Vir die seisoenale tendens inlywing moet ons twee parameters voeg: Gamma. wat is die smoothing parameter vir seisoenale data en die tydperk opsie, wat die periodisiteit van die data bepaal. In die volgende voorbeeld, ek gebruik 'n tydperk van 5 met 'n venster grootte van 10 en gamma waarde gelyk aan 0,5: Die uitset moet lyk hieronder: Jy moet sien die Holt-winters begin eers na 'n sekere tyd. Dit is omdat die Holt-Winters plot vereis data van ten minste 2 periodes word bereken. Die Holt-Winters plot nou volg dié van die oorspronklike voorraad waardes, soos dit bedoel is om te wees. Dit nabyheid gebruik kan word om die tendense te voorspel, maar in Elasticsearch, die voorspelling funksie vir Holt-Winters is tans nie beskikbaar nie. Gevolgtrekking In hierdie laaste paaiement van ons pyplyn riffen reeks, het ons verskillende tipes van die bewegende gemiddelde riffen gesien en ons het elkeen van hulle getrek vir 'n beter begrip. Vrae / Kommentaar Drop ons 'n lyn hieronder. Kry die volgende artikel Teken in op ons nuusbrief, en moenie misloop ons top artikels.