指数移动加权平均概念
我们最常见的算数平均指的是将所有数加起来除以数的个数,每个数的权重是相同的。加权平均指的是给每个数赋予不同的权重求得平均数。移动平均数,指的是计算最近邻的 N 个数来获得平均数。
公式以及理解
公式
其中:
St 表示指数加权平均值;
Yt 表示 t 时刻的值;
β 调节权重系数,该值越大平均数越平缓。
理解
1.指数移动加权平均法,是指各数值的加权系数随时间呈指数式递减,越靠近当前时刻的数值加权系数就越大。
2.指数移动加权平均较传统的平均法来说,一是不需要保存过去所有的数值;二是计算量显著减小。
代碼实现
我们随机产生进 30 天的气温数据,来看下使用指数加权平均后的结果(原因很簡單,指数移动加权很多书上的案列都是东京天气预报)
import torch
import matplotlib.pyplot as plt
# 产生的数据
ELEMENT_NUMBER = 30
# 指数加权平均温度
def test(beta=0.9):
# 固定随机数种子
torch.manual_seed(0)
# 产生30天的随机温度
temperature = torch.randn(size=[ELEMENT_NUMBER]) * 10
print(temperature)
days = torch.arange(1, ELEMENT_NUMBER + 1, 1)
# 绘制原始数据温度曲线图和散点图
plt.plot(days, temperature, color='r')
plt.scatter(days, temperature)
plt.show()
# 用来存储指数移动加权平均后的结果
exp_weight_avg = []
# 遍历每一个温度,下标从1开始
for idx, temp in enumerate(temperature,1):
# 第一个元素的的 EWA 值等于自身
if idx == 1:
exp_weight_avg.append(temp)
continue
# 第二个元素的 EWA 值等于上一个 EWA 乘以 β + 当前气氛乘以 (1-β)
new_temp = exp_weight_avg[idx - 2] * beta + (1 - beta) * temp
exp_weight_avg.append(new_temp)
# 绘制指数加权平均后的结果
plt.plot(days, exp_weight_avg, color='r')
plt.scatter(days, temperature)
plt.show()
if __name__ == '__main__':
test(0.1)
test(0.9)