卡尔曼滤波器
英文kalman filter
这里介绍简单的,只有一个状态的滤波器
卡尔曼滤波器经常用在控制系统中、机器人系统中,但是这里主要讲解如何用在AI的大数据分析预测中
为什么要用kalman filter处理时间序列
假设我们有100个时间点的数据,这个数据就是分别在100个点观测出来的结果。
对于每一个时间点的数据,获取的方法有两个:
第一个就是观测,但是测量的结果不一定准确,可能受限于测量仪器的精度?
第二个就是用这个时间点之前的所有数据,预测这个时间点的数据,当然,这个预测值也是不准的。
可否利用这两种方法,相互促进,预测的值更准,或者说让观测道德值更接近本质?Kalman Filter卡尔曼滤波器就这样做的。
简单讲讲kalman filter的过程
每一个观测数据,严谨的说都应该会有一个偏差值。比方说,现在温度计测量是26度,偏差值是0.5度,那么真实的问题应该是在(25.5,26.5)之间,或者写成\(26\pm0.5\)。
这样我们预测的值,和观测的值,再加上这两个各自的偏差,总共四个已知信息,来推测真实的、更本质的数据。
预测的值:可以通过事先设定的公式,上一个时刻的真实的值算出来;
观测的值:直接读取测量仪器的值。
观测的值的偏差:这个也是可以直接得到的;
预测的值的偏差:这个是从上一个时间点的预测的值的偏差经过给定公式计算出来的。
下面的公式