W celu obliczenia średniej ruchomej l dla l równej liczby całkowitej, musimy wykonać to, co nazywa się centrowaniem średniej ruchomej. Jest to wykonywane w następujący sposób. Najpierw obliczyć prostą średnią ruchu. Następnie uzyskać środkową średnią ruchu, uśredniając przyległe wartości te proste średnie ruchome. Kiedy l2 środkowa średnia ruchoma nazywana jest Hanning Ma formę. Jako przykład można rozważyć obliczenie 4-dniowej średniej ruchomej na pierwszych 10 danych wartości danych zestawu danych, który składa się z liczb miesięcznych , w tysiącach pasażerów na międzynarodowych lotach lotniczych od lat 1949 do 1960 r. Pierwotne dane wynoszą 112.118.132.129.131.135.148.148.16.119 W celu uzyskania pierwszych trzech terminów 4-dniowej średniej ruchomej, najpierw obliczyć. Następnie oblicza się pierwsze trzy wyśrodkowane wartości średnie ruchome. Są to pierwsze trzy wartości 4-letniej średniej ruchomej. Joseph D Petruccelli Wt. 21 lutego 14 15 46 EST 1995. David, tak, MapReduce ma działać na dużej ilości danych I pomysł jest t kapelusz w ogóle, mapa i funkcje redukujące nie powinny dbać o liczbę maperów i ilu reduktorów, a to po prostu optymalizację Jeśli zastanowisz się nad algorytmem wysłanym, możesz zauważyć, że nie ma znaczenia, który mapper dostanie jakie części dane Każdy rekord wejściowy będzie dostępny dla każdej operacji redukcji, która go potrzebuje Joe K Kwiecień 18 12 w 22 30. Najlepszym moim zrozumieniem średniej ruchomej nie jest ładnie mapy do paradygmatu MapReduce, ponieważ jej obliczenie jest zasadniczo przesuwne okno nad sortowanymi danymi, podczas gdy MR jest przetwarzanie niezedytowanych zakresów sortowanych danych Rozwiązanie widzę to tak jak poniżej Aby zaimplementować niestandardowy partycjoner, aby móc tworzyć dwie różne partycje na dwóch biegach W każdym biegu reduktory otrzymają różne zakresy danych i obliczają średnią ruchową, Odpowiednia postaram się zilustrować W pierwszym uruchomieniu danych dla reduktorów powinna być R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8.here będziesz kauluować średnią ruchoma dla niektórych Qs. In następne uruchomić redukcje shoul d otrzymaj dane, takie jak R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14.Nagrzyj resztę średnich kroczących Wtedy musisz zsumować wyniki. Idea niestandardowego partycjonera ma dwa tryby pracy - za każdym razem, dzieląc na równe zakresy, ale z niektóre zmiany W pseudokodie będzie wyglądać tak, jak ten klucz partycji SHIFT MAXKEY numOfPartitions gdzie SHIFT zostanie pobrany z MAXKEY maksymalnej wartości klucza Przypuszczam, że dla uproszczenia zaczynają się zero. RecordReader, IMHO nie jest rozwiązaniem, ponieważ jest ograniczone do konkretnego podziału i nie może przesuwać się na granicy split. Another byłoby wprowadzenie niestandardowej logiki podziału danych wejściowych jest częścią InputFormat Można zrobić, aby zrobić 2 różnych slajdów, podobnie jak partycjonowanie. 59. Gdy obliczanie bieżącej średniej ruchomej, wprowadzenie średniej w środkowym okresie czasu ma sens. W poprzednim przykładzie obliczono średnią z pierwszych trzech okresów czasu i umieściliśmy ją obok okresu 3 Możemy hav e umieścił średnią w środku 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, gdy M 4.Technicznie średnia ruchoma spadnie poniżej t2 5, 3 5. Aby uniknąć tego problemu, wygładzamy MA s przy użyciu M 2 Dzięki temu wygładzamy wygładzone wartości. Jeśli przeciętymybyśmy parzystą liczbę terminów, musimy wygładzić wygładzone wartości. Poniższa tabela przedstawia wyniki przy użyciu M 4.
No comments:
Post a Comment