時系列データを区間ごとに平滑化したい

Facebookシェア Twitterツイート LINEで送る Googleシェア このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
Up
0
Down

要約

概要

時系列データを入力として区間ごとに重みを欠けながら平滑化をします.平滑化をすることで時系列データの振幅は押さえられ全体の変化がどのようになっているかが協調されます.
ー 条件 ー
  • 時系列データが入力
ー 効果 ー
  • 平滑化した時系列データを手に入れられる
ーポイントー
  • どのような重みの配分で平滑化するかで手法が異なる
  • どれが優れていることはなく、目的に応じて選択する

解  説

時系列データの一部を参照しながら特定の箇所の平滑化することを繰り返して入力された時系列データ全体を平滑化する. 区間を移動させながら平均処理を実行することを移動平均という. 主な手法は3つある. ・単純移動平均 : 単純に全て足して数で割る平滑化.どれも均等の重みで平滑化 ・加重移動平均:注目しているデータから離れるにつれて線形的に重みを減らして平滑化 ・指数移動平均:注目しているデータから離れるにつれて指数的に重みを減らして平滑化
時系列データを区間ごとに平滑化したい
加重移動平均の重みのつけ方 先頭から離れるにつれて重みは小さく設定される. 左の例は15個考慮した時の例
指数移動平均の重みの例 指数移動平均は前日の指数移動平均の値と今日のデータの値との漸化式から求めることができる
単純移動平均と指数移動平均はどちらが優れていることはありません. 単純移動平均は全ての連続データを平等に扱うためよりマクロな視点でどのように時系列データが変化しているかを示します. 一方で指数移動平均は、より最新のデータに反応するため時系列データの俊敏な変化に敏感になります. 自身がどっちを求めているかによってどちらのMA(移動平均)を使用するかを決める必要があります.
単純移動平均と指数移動平均の違い
Simple Moving Average(単純移動平均) と Exponential Moving Average(指数移動平均) の違い
この章を学んで新たに学べる
Comments

Reasons
>>隠す