Średnio 12 centrowej

David, tak, MapReduce ma działać na dużej ilości danych. I pomysł polega na tym, że ogólnie rzecz biorąc, mapa i funkcje redukujące nie powinny troszczyć się o ilu maperów lub ilu reduktorów jest, a tylko po prostu optymalizacji. Jeśli uważnie zastanawiasz się nad algorytmem, który wysłałem, możesz zauważyć, że nie ma znaczenia, który maparz pobiera jakie części danych. Każdy rekord wejściowy będzie dostępny dla każdej operacji redukcji, która jej potrzebuje. ndash Joe K Kwiecień 18 12 at 22:30 W najlepszym zrozumieniu średniej ruchomej nie jest ładnie mapy do paradygmatu MapReduce, ponieważ jego obliczenie jest zasadniczo przesuwane okno na sortowane dane, a MR jest przetwarzanie niezaprzeczonych zakresów posortowanych danych. Rozwiązanie widzę w następujący sposób: a) Aby wdrożyć niestandardowy partycjoner umożliwiający wykonanie dwóch różnych partycji w dwóch przebiegach. W każdym biegu reduktory otrzymają różne zakresy danych i obliczają średnią ruchową w stosownych przypadkach, którą będę próbował zilustrować: w pierwszym raporcie dla reduktorów powinny być: R1: Q1, Q2, Q3, Q4 R2: Q5, Q6, Q7, Q8 . tutaj będziesz kauczał średnią ruchoma dla niektórych Qs. W następnej rundzie reduktory powinny uzyskać dane takie jak: R1: Q1. Q6 R2: Q6. Q10 R3: Q10..Q14 I caclulate pozostałe średnie kroczące. Następnie trzeba będzie sumować wyniki. Idea niestandardowej partycji ma dwa tryby pracy - za każdym razem dzieląc na równe zakresy, ale z pewną zmianą. W pseudokodie będzie wyglądać tak. partycja (keySHIFT) (MAXKEYnumOfPartitions) gdzie: SHIFT zostanie pobrane z konfiguracji. MAXKEY maksymalna wartość klucza. Zakładam za prostotę, że zaczynają się od zera. RecordReader, IMHO nie jest rozwiązaniem, ponieważ ogranicza się do konkretnego podziału i nie może przesuwać się na granicy podziałów. Innym rozwiązaniem byłoby wdrożenie niestandardowej logiki podziału danych wejściowych (jest to część InputFormat). Można to zrobić, aby wykonać 2 różne slajdy podobne do podziału. odpowiedziało 17 września o godzinie 8:59 Gdy obliczanie bieżącej średniej ruchomej, wprowadzenie średniej w środkowym okresie czasu ma sens W poprzednim przykładzie oblicziliśmy średnią z pierwszych trzech okresów czasu i umieściliśmy ją obok okresu 3. Możemy umieścić średnia w połowie przedziału czasowego trzech okresów, to jest obok okresu 2. To działa dobrze z nieparzystymi okresami, ale nie tak dobre dla parzystych okresów. Więc gdzie umieścimy pierwszą średnią ruchową, jeśli M 4 Technicznie, średnia ruchoma spadnie poniżej 2,5, 3,5. Aby uniknąć tego problemu wygładzamy macierze przy użyciu M 2. Dzięki temu wygładzamy wygładzone wartości Jeśli przeanalizujemy parzystą liczbę terminów, musimy wygładzić wygładzone wartości Poniższa tabela przedstawia wyniki przy użyciu M 4.6.2 Średnia ruchoma ma 40 elecsales , kolejność 5 41 W drugiej kolumnie tej tabeli wyświetlana jest średnia ruchoma rzędu 5, przedstawiająca szacunek cyklu trendu. Pierwszą wartością w tej kolumnie jest średnia z pierwszych pięciu obserwacji (1989-1993), druga wartość w kolumnie 5-MA jest średnią z wartości 1990-1994 i tak dalej. Każda wartość w kolumnie 5-MA jest średnią obserwacji w okresie pięcioletnim, wyśrodkowanym w danym roku. Nie ma wartości dla pierwszych dwóch lat lub ostatnich dwóch lat, ponieważ nie mamy dwóch obserwacji po obu stronach. W powyższej formule kolumna 5-MA zawiera wartości kapelusza z k2. Aby zobaczyć, jak wygląda trend cyklu, spisujemy go wraz z pierwotnymi danymi na rysunku 6.7. działka 40 elecsales, główna cena sprzedaży energii elektrycznej w Pradze, ylab GWhquot. xlab quotYearquot 41 lines 40 ma 40 elecsales, 5 41. colreditedquot 41 Zwróć uwagę na to, że trendu (w kolorze czerwonym) jest gładsza niż oryginalne dane i przechwytuje główny ruch serii czasowej bez wszystkich niewielkich wahań. Metoda średniej ruchomości nie pozwala na oszacowanie T, gdzie t jest bliskie końcom serii, dlatego czerwona linia nie rozciąga się na brzegi wykresu po obu stronach. Później będziemy używać bardziej wyrafinowanych metod szacowania cyklu trendu, które pozwolą oszacowania w pobliżu punktów końcowych. Kolejność średniej ruchomej określa płynność oszacowania cyklu trendu. Generalnie większy porządek oznacza gładszą krzywą. Poniższy wykres przedstawia wpływ zmiany kolejności średniej ruchomej dla danych dotyczących sprzedaży energii elektrycznej w budynkach mieszkalnych. Proste średnie ruchome, takie jak zwykle, są nieparzyste (np. 3, 5, 7, itd.). Są więc symetryczne: w średniej ruchomej rzędu m2k1 istnieją wcześniejsze obserwacje, k późniejsze obserwacje i obserwacja środkowa uśrednione. Ale gdyby m było równe, nie byłoby już symetryczne. Średnie kroczące średnich kroczących Można zastosować średnią ruchomą do średniej ruchomej. Jednym z powodów takiego rozwiązania jest równomierna ruchoma symetryczna średnica. Na przykład możemy przyjąć średnią ruchomej rzędu 4, a następnie zastosować inną średnią ruchoma rzędu 2 do wyników. W tabeli 6.2 dokonano tego w pierwszych kilku latach australijskich kwartalnych danych o produkcji piwa. piwo2 lt - okno 40 ausbeer, start 1992 41 ma4 lm 40 piwo2, zamówienie 4. środek FALSE 41 ma2x4 lt-40 piwo2, zamówienie 4. środek TRUE 41 Notacja 2times4-MA w ostatniej kolumnie oznacza 4-MA a następnie 2-MA. Wartości w ostatniej kolumnie uzyskuje się biorąc średnią ruchomą rzędu 2 wartości w poprzedniej kolumnie. Na przykład pierwsze dwie wartości w kolumnie 4-MA to 451,2 (443410420532) 4 i 448,8 (410420532433) 4. Pierwszą wartością w kolumnie 2times4-MA jest średnia z tych dwóch: 450.0 (451.2448.8) 2. Kiedy 2-MA idzie za średnią ruchu równomiernego (np. 4), nazywana jest środkową średnią ruchoma rzędu 4. To dlatego, że wyniki są teraz symetryczne. Aby zobaczyć, że tak jest, możemy napisać 2times4-MA w następujący sposób: begin hat amp frac Bigfrac (y y y y) frac (y y y y) frac18y frac18y frac18y frac18y koniec Jest to ważona średnia obserwacji, ale jest symetryczna. Możliwe są również inne kombinacje średnich ruchomej. Na przykład często stosuje się 3times3-MA i składa się z średniej ruchomej rzędu 3, a następnie innej średniej ruchomej rzędu 3. Ogólnie rzecz biorąc, MA równomierne musi być za nią równomierne, aby symetryczne. Podobnie, nieparzysta kolejność MA powinna następować po nieparzystej kolejności. Szacowanie cyklu trendu z danymi sezonowymi Najczęstszym zastosowaniem średnich ruchomej jest oszacowanie cyklu trendu z danych sezonowych. Rozważmy 2times4-MA: frac18y frac18y. W odniesieniu do danych kwartalnych, w każdym kwartale roku podaje się taką samą wagę, jak pierwsze i ostatnie warunki mają zastosowanie do tego samego kwartału w kolejnych latach. W konsekwencji sezonowa zmiana będzie uśredniona, a uzyskane wartości kapelusza t pozostaną niewiele lub nie pozostaną wcale zmian sezonowych. Podobny efekt uzyskano przy użyciu 2-krotnego 8-MA lub 2-krotnego 12-MA. Ogólnie rzecz biorąc, 2times m-MA jest równoważne ważonej ruchomą średnią rzędu m1 ze wszystkimi obserwacjami mającymi ciężar 1m, z wyjątkiem pierwszego i ostatniego określenia, które przyjmują wagi 1 (2m). Jeśli więc okres sezonowy jest równy i rzędu m, użyj 2times m-MA do oszacowania cyklu trendu. Jeśli okres sezonowy jest nieparzysty i rzędu m, użyj m-MA do oszacowania cyklu trendu. W szczególności można wykorzystać oszacowanie cyklu trendu danych miesięcznych w oparciu o 2-godzinną 12-MA, a 7-MA można wykorzystać do oszacowania cyklu trendu danych dziennych. Inne decyzje dotyczące kolejności rejestracji zazwyczaj powodują, że szacunki cyklu koniunkturalnego są zanieczyszczone sezonowością danych. Przykład 6.2 Produkcja urządzeń elektrycznych Na rysunku 6.9 przedstawiono indeks 2times12-MA stosowany do indeksu zamówień urządzeń elektrycznych. Zauważ, że gładka linia nie wykazuje sezonowości jest prawie taka sama jak cykl trendu pokazany na rysunku 6.2, który został oszacowany przy użyciu bardziej wyrafinowanej metody niż średnie ruchome. Każdy inny wybór dla kolejności średniej ruchomej (z wyjątkiem 24, 36 itd.) Spowodowałby gładką linię, która wykaże pewne wahania sezonowe. działka 40 elecequip, ylab quotNowy zamówień indexquot. (obszar Euro) 41 wierszy 40 ma 40 elecequip, kolejność 12 41. colredredquot 41 Średnie ważone średnie ruchome Połączenie średnich ruchów powoduje średnie ważone ruchomości. Na przykład opisany powyżej model 2x4-MA jest równowaŜny waŜonym 5-MA z cięŜarami podanymi przez frac, frac, frac, frac, frac. Ogólnie ważona m-MA może być zapisana jako suma kapeluszowa k aj y, gdzie k (m-1) 2, a ciężary są podane w punktach, ak. Ważne jest, aby wagi wszystkie były sumą jednego i że są symetryczne, tak aby aj. Prosty m-MA to szczególny przypadek, w którym wszystkie wagi są równe 1m. Główną zaletą ważonych średnich kroczących jest to, że dają gładszą prognozę cyklu trendu. Zamiast obserwacji wprowadzanych i pozostawiających obliczenia przy pełnej masie, ich ciężary powoli rosną, a następnie powoli zmniejszają się, powodując gładszą krzywiznę. Znane są niektóre zestawy ciężarów. Niektóre z nich są podane w Tabeli 6.3.I wszyscy, czując się przez chwilę wchłaniając informacje, ale biegli do czegoś, czego nie jestem pewien. Mam nadzieję, że ktoś może pomóc Im stworzyć narzędzie prognozowania sprzedaży w programie Excel. Im chcesz porównać średnią 12, 6 i 4 miesięcy średniej ruchomej. Po prostu potrzebuję trochę pomocy w zakresie określania formuły i miejsca jej umieszczenia. Przeprowadziłem BUNCH innych obliczeń w moim faktycznym pliku. Wszystko to polega na umieszczeniu CMA w związku z referencjami i dlatego chciałbym pomóc w upewnieniu się, że moje wzory są we właściwych miejscach (okres 6 lub 7. 12 lub 11 itp.). Trudno mi wyobrazić sobie, gdzie muszą być w arkuszu kalkulacyjnym - widziałem przykłady, w których ludzie tworzą komórkę quot5d x.5 kwot, ale jeśli to możliwe, chcesz uniknąć tego. Przykładowe dane. Daty są poprawne (prawidłowy początek i koniec miesiąca roku), a czerwiec to pierwszy miesiąc, który chcesz prognozować. Rzeczywiste wartości zostały losowo wygenerowane przez wklejone amp. Ignoruj ​​t, kod miesiąca i rok - są tam dla innych funkcji, aby zneutralizować dane i połączyć je później w prognozie, którą zrobiłem już w mojej rzeczywisty plik - inne calcs, o których wspomniałem wcześniej, które polegają na przykładzie pliku CMA: 12mCMA. xlsx Możesz to edytować według własnego uznania. Dodanie komentarza do pliku byłoby bardzo cenione, więc mogę nauczyć się faktycznego pliku na żądanie w razie potrzeby. Ponadto, punkty premiowe i ogromny poziom wdzięczności dla każdego, kto może mi dać kilka informacji pomóż mi w jednym z poniższych sposobów, aby uczynić to bardziej skutecznym narzędziem: 1) Ustaw to tak, aby móc ciągle podłączyć numery do perpetuityon i dalej, bez konieczności zmiany moich funkcji wzmacniacza za każdym razem, gdy otrzymuję nowe dane. 2) Konfiguracja tak, że mogę zmieniać moje movingcentered ruchome przeciętne okresy w locie i zobaczyć rezultaty Przepraszam za długość tego postu, po prostu chciałem dostarczyć jak najwięcej informacji i wyjaśnienie jako posizable miejmy nadzieję, że to ułatwić każdemu, kto chce pomóc. Duża prewencja dzięki kogoś, kto może mi pomóc. Jest to zdecydowanie doceniane