神经网络基础-神经网络补充概念-45-指数加权平均

概念

指数加权平均(Exponential Moving Average,EMA)是一种平均方法,用于平滑时间序列数据或者计算变量的滚动均值。它对数据的权重分布呈指数递减,越靠近当前时刻的数据权重越高,越远离当前时刻的数据权重越低。EMA在信号处理、金融分析和深度学习等领域中有广泛应用,可以用于去噪、趋势分析以及模型参数更新等场景。

公式

EMA的计算公式如下:

python 复制代码
EMA(t) = α * x(t) + (1 - α) * EMA(t-1)

其中,t 表示当前时刻,x(t) 表示当前时刻的数据点,α 是平滑因子(也称为衰减因子),通常取值范围在0到1之间。EMA(t-1) 表示上一时刻的指数加权平均。

在每一步迭代中,都会计算新的EMA值,这样可以在数据流动过程中对数据进行平滑处理。

代码实现

python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)

# 指数加权平均的平滑因子
alpha = 0.2

# 计算指数加权平均
ema = np.zeros_like(data)
ema[0] = data[0]
for t in range(1, len(data)):
    ema[t] = alpha * data[t] + (1 - alpha) * ema[t-1]

# 绘制原始数据和指数加权平均
plt.plot(data, label='Original Data')
plt.plot(ema, label=f'EMA (alpha={alpha})', color='red')
plt.legend()
plt.xlabel('Time')
plt.ylabel('Value')
plt.title('Exponential Moving Average')
plt.show()
相关推荐
数据科学作家3 小时前
学数据分析必囤!数据分析必看!清华社9本书覆盖Stata/SPSS/Python全阶段学习路径
人工智能·python·机器学习·数据分析·统计·stata·spss
CV缝合救星4 小时前
【Arxiv 2025 预发行论文】重磅突破!STAR-DSSA 模块横空出世:显著性+拓扑双重加持,小目标、大场景统统拿下!
人工智能·深度学习·计算机视觉·目标跟踪·即插即用模块
TDengine (老段)6 小时前
从 ETL 到 Agentic AI:工业数据管理变革与 TDengine IDMP 的治理之道
数据库·数据仓库·人工智能·物联网·时序数据库·etl·tdengine
蓝桉8026 小时前
如何进行神经网络的模型训练(视频代码中的知识点记录)
人工智能·深度学习·神经网络
星期天要睡觉7 小时前
深度学习——数据增强(Data Augmentation)
人工智能·深度学习
笑脸惹桃花7 小时前
50系显卡训练深度学习YOLO等算法报错的解决方法
深度学习·算法·yolo·torch·cuda
南山二毛8 小时前
机器人控制器开发(导航算法——导航栈关联坐标系)
人工智能·架构·机器人
大数据张老师8 小时前
【案例】AI语音识别系统的标注分区策略
人工智能·系统架构·语音识别·架构设计·后端架构
xz2024102****8 小时前
吴恩达机器学习合集
人工智能·机器学习
anneCoder8 小时前
AI大模型应用研发工程师面试知识准备目录
人工智能·深度学习·机器学习