Moving Average Kernel

Ein möglicher Ansatz hier ist, eine Methode zu haben, die den Kernel zurückgibt. Von dem, was ich sehen kann, Eingaben zu dieser Methode wäre kerneltype. ich. Und andere Eingänge. Ein einfacher Ansatz wäre: Das ist natürlich schrecklich, schrecklich rau, und eine Menge Verbesserung kann gemacht werden, aber es ist beabsichtigt, nur den Punkt zu bekommen. Ich würde eine Schnittstelle verwenden, um einen Kernel darzustellen, und haben Klassen abgeleitet pro Kernel. Nach meiner Erfahrung, die produziert ausreichend lesbar und wartbar Code, aber theres immer Raum für Verbesserungen. Ich habe Daten der Form: x ist stetig von 0 bis 1 und nicht gleich beabstandet und y ist binär. Id wie glatt y über die x-Achse mit R, aber nicht finden können, das richtige Paket. Die Kernel-Glättungsfunktionen Ive gefunden Dichte Schätzungen von x oder geben die falsche Schätzung an den Enden der x, weil die durchschnittlich über Regionen weniger als 0 und größer als 1. Id auch gerne lineare Smoothers wie Loess givens dann binäre Form zu vermeiden Y ist. Die beobachteten gleitenden Mittelfunktionen nehmen gleichmäßig beabstandete x-Werte an. Kennen Sie alle R-Funktionen, die glatt und idealerweise eine Bandbreite Auswahlverfahren Ich kann eine gleitende durchschnittliche Funktion schreiben und Cross-validieren, um die Bandbreite zu bestimmen, aber Id lieber eine bestehende Funktion, die getestet wurde zu finden. Ich habe vor kurzem dachte, die Belastung Durchschnitt (wie zum Beispiel in oben gezeigt) war ein gleitender Durchschnitt auf die n letzten Werte der Anzahl der Prozess im Zustand runnable oder ausgeführt werden. Und n wäre durch die Länge des gleitenden Mittels definiert worden: Da der Algorithmus zur Berechnung des Lastmittels alle 5 Sek. Auszulösen scheint, wäre n 12 für den 1min-Lastdurchschnitt, 12x5 für den 5-minütigen Lastmittelwert und 12x15 für den 15 min Belastung Durchschnitt. Aber dann las ich diesen Artikel: linuxjournalarticle9001. Der Artikel ist ziemlich alt, aber der gleiche Algorithmus ist heute im Linux-Kernel implementiert. Der Lastmittelwert ist kein gleitender Durchschnitt, sondern ein Algorithmus, für den ich keinen Namen kenne. Jedenfalls habe ich einen Vergleich zwischen dem Linux - Kernel - Algorithmus und einem gleitenden Durchschnitt für eine imaginäre periodische Last:. Es gibt einen riesigen Unterschied. Schließlich meine Fragen sind: Warum diese Umsetzung wurden im Vergleich zu einem echten gleitenden Durchschnitt gewählt, das hat eine echte Bedeutung für jedermann Warum jeder spricht über 1min Last Durchschnitt seit viel mehr als die letzte Minute wird durch den Algorithmus berücksichtigt. (Mathematisch, die gesamte Maßnahme seit dem Booten in der Praxis, unter Berücksichtigung der Rundungsfehler - noch eine Menge Maßnahmen) gefragt Mar 8 11 am 22:34 migriert von stackoverflow Mar 9 11 um 5:31 Diese Frage kam von Unsere Website für professionelle und enthusiast Programmierer. Es ist ein exponentieller gleitender Durchschnitt (EMA), der auch zum Beispiel in der Finanzierung (technische Analyse) verwendet wird. Die Vorteile sind vermutlich die gleichen - die EMA kann aus dem vorherigen und aktuellen Wert berechnet werden, und die jüngsten Werte sind mehr Gewicht als ältere Werte gegeben. In einer Standard-MA trägt der älteste Wert ebenso zum Durchschnitt bei wie der jüngste, und manchmal denken wir, dass die neueren Werte wichtiger sind. Ndash jg-faustus Dieser Unterschied geht zurück auf die ursprüngliche Berkeley Unix, und stammt aus der Tatsache, dass der Kernel tatsächlich halten einen rollenden Durchschnitt es würde eine große Anzahl von vergangenen Messungen behalten müssen, um zu tun So, und vor allem in den alten Tagen gab es nur nicht Speicher für sie zu ersparen. Der verwendete Algorithmus hat den Vorteil, dass der gesamte Kernel beibehalten werden muss, das Ergebnis der vorherigen Berechnung. Denken Sie daran, der Algorithmus war ein bisschen näher an der Wahrheit zurück, wenn Computer-Geschwindigkeiten und entsprechende Taktzyklen in Dutzenden von MHz anstelle von GHz-Theres gemessen wurden viel mehr Zeit für Diskrepanzen zu kriechen in diesen Tagen. Beantwortet Mar 9 11 am 5:48