Exponentially weighted averages 指数加权平均
指数加权平均指的是通过综合当前点之前的数据和该点数据,通过调整加权值,来得到需要的值的技术。
Vt=βVt−1+(1−β)θt
V
t
=
β
V
t
−
1
+
(
1
−
β
)
θ
t
- 当 β β 接近于1时(0.98),当前点的值 Vt V t 更加依赖于之前的数值 Vt−1 V t − 1 而不是 θt θ t ,因此曲线会更光滑,并产生延迟(如绿色曲线)
- 当 β β 远小于1时,当前点的值 Vt V t 更加依赖于 θt θ t 而不是之前的数值 Vt−1 V t − 1 ,因此曲线会震荡的厉害,接近于原图像(如黄色曲线)
- 上述公式可以看成是 Vt V t 是其之前 11−βdays 1 1 − β d a y s 的均值(当 β=0.9 β = 0.9 时,通过展开式 V100=0.1θ100+0.1×0.9θ99+0.1×0.92θ98+0.1×0.93θ97+⋯+0.1×0.999θ1 V 100 = 0.1 θ 100 + 0.1 × 0.9 θ 99 + 0.1 × 0.9 2 θ 98 + 0.1 × 0.9 3 θ 97 + ⋯ + 0.1 × 0.9 99 θ 1 ,当 βx≈1e β x ≈ 1 e 时,认为到了临界值。所以当 β=0.98 β = 0.98 时,相当于50天的均值。
- 当使用上述公式
Vt=βVt−1+(1−β)θt
V
t
=
β
V
t
−
1
+
(
1
−
β
)
θ
t
时,我们得到曲线并不是与绿色曲线完全一样,会得到如下图紫色曲线。为了消除这种变差,可以使用
Vt1−βt
V
t
1
−
β
t
代替
Vt
V
t
。