老化数据集

Question

由于我不想进入的原因，我需要过滤一组值以减少抖动。为此，我需要能够平均一个数字列表，最近的效果最大，最近的效果最小。我使用的是10的样本大小，但在某些时候这很容易改变。

我可以在这里应用任何相当简单的老化算法吗？

Answer 1

• 查看exponential smoothing。相当简单，可能足以满足您的需求。基本上最近的观察结果比旧的观察结果相对更重。
• 另外（取决于应用程序）您可能希望查看各种强化学习技巧，例如Q-Learning或TD-Learning或一般来说任何涉及折扣的方法。

Answer 2

我在嵌入式控制应用程序中碰到了类似的东西。

我遇到的最简单的选择是3/4过滤器。这将在整个数据集中连续应用：

current_value = (3*current_value + new_value)/4

我最终决定使用16抽头FIR滤波器：

Overview
FIR FAQ
Wikipedia article

Answer 3

可以使用许多加权平均算法。

例如，对于项目I（n），顺序为n = 1到N（从最新到最旧）：

(SUM(I(n) * (N + 1 - n)) / SUM(n)

Answer 4

从问题来看，你是否正在处理固定长度并不完全清楚 数据或数据是否持续进入。后者的物理模型很好 将是一个低通滤波器，使用电容器和电阻器（R和C）。假设 您的数据在时间上是等距间隔的（是吗？），这会导致更新处方

U_aged [n + 1] = U_aged [n] + deltat / Tau（U_raw [n + 1] - U_aged [n]）

其中Tau是滤波器的时间常数。在零deltat的限制，这 给出指数衰减（旧值将减少到其值之后的1 / e） 时间Tau）。在实现中，您只需要保持运行加权和U_aged。

deltat将为1，Tau将指定'老化常数'，步数 需要将样本的贡献降低到1 / e。