时序平滑化处理

2019独角兽企业重金招聘Python工程师标准>>>

• 通过简单移动平均进行平滑处理

时序数据中通常有很明显的随机或误差成分，为了辨明数据中的规律，画出一条平滑曲线，该曲线消除或者减弱时序中不规则和其他变动，呈现现象的 长期趋势，最简单的方法就是 简单移动平均

其中 St 是时间点t的平滑值， k =2q +1 是每次用来平均观测值的个数，一般我们会将其设为一个奇数，居中移动平均法的代价是，每个时序集中我们会损失最后的 （k-1）/2个观测值

  R中有几个函数都可以做简单的移动平均，包括 TTR包 中的 SMA()函数，zoo包中的 rollmean()函数，forecast() 包中的 ma() 函数

#如下图1
> library(forecast)
> opar <- par(no.readonly=TRUE)
> par(mfrow=c(2,2))
> ylim <- c(min(Nile), max(Nile))
> plot(Nile, main="Raw time series")
> plot(ma(Nile, 3), main="Simple Moving Averages (k=3)", ylim=ylim)
> plot(ma(Nile, 7), main="Simple Moving Averages (k=7)", ylim=ylim)
> plot(ma(Nile, 15), main="Simple Moving Averages (k=15)", ylim=ylim)
> par(opar)

                      图1

 

转载于:https://my.oschina.net/u/1785519/blog/1563580