Når du beregner et løpende bevegelig gjennomsnitt, er gjennomsnittet i midtperioden fornuftig. I forrige eksempel beregner vi gjennomsnittet av de første 3 tidsperiodene og plasserte det ved siden av periode 3. Vi kunne ha plassert gjennomsnittet midt i tidsintervall på tre perioder, det vil si ved siden av periode 2. Dette fungerer bra med ulike tidsperioder, men ikke så bra for jevne tidsperioder. Så hvor skulle vi plassere det første glidende gjennomsnittet når M 4 Teknisk sett ville det bevegelige gjennomsnittet falle på t 2,5, 3,5. For å unngå dette problemet, slipper vi MAs ved hjelp av M 2. Dermed glatter vi de jevne verdiene. Hvis vi gjennomsnittlig et jevnt antall termer, må vi glatte de jevne verdiene. Følgende tabell viser resultatene ved å bruke M 4.David, Yes, MapReduce er ment å operere på en stor mengde data. Og ideen er at generelt, kartet og redusere funksjoner shouldn39t bry deg hvor mange mappers eller hvor mange reduksjonsmaskiner det er, det er bare optimalisering. Hvis du tenker nøye på algoritmen jeg postet, kan du se at det ikke betyr noe hvilken mapper får hvilke deler av dataene. Hver inngangspost vil være tilgjengelig for alle reduksjoner som krever det. ndash Joe K Sep 18 12 kl 22:30 I beste av min forståelse er glidende gjennomsnitt ikke pent kart til MapReduce-paradigmet siden beregningen er i hovedsak skyvevindu over sorterte data, mens MR behandler ikke-kryssede områder av sorterte data. Løsningen ser jeg som følger: a) Å implementere tilpasset partisjoner for å kunne lage to forskjellige partisjoner i to løp. I hvert løp vil reduksjonene dine få forskjellige dataområder og beregne glidende gjennomsnitt hvor passende jeg vil prøve å illustrere: I første omgang skal data for reduksjonsapparater være: R1: Q1, Q2, Q3, Q4 R2: Q5, Q6, Q7, Q8 . her vil du cacluate glidende gjennomsnitt for noen Qs. I neste runde skal reduksjonsapparatene få data som: R1: Q1. Q6 R2: Q6. Q10 R3: Q10..Q14 Og caclulate resten av bevegelige gjennomsnitt. Deretter må du samle resultater. Ideen til tilpasset partisjoner at den vil ha to driftsformer - hver gang å dele inn i like rekkevidde, men med litt skift. I en pseudokode vil det se slik ut. partisjon (keySHIFT) (MAXKEYnumOfPartitions) der: SHIFT vil bli tatt fra konfigurasjonen. MAXKEY maksimum verdi av nøkkelen. Jeg antar for enkelhet at de starter med null. RecordReader, IMHO er ikke en løsning siden den er begrenset til spesifikk splitt og kan ikke glide over splitsgrense. En annen løsning ville være å implementere egendefinert logikk for å dele inndataene (det er en del av InputFormat). Det kan gjøres å gjøre 2 forskjellige lysbilder, ligner partisjonering.4 poeng flytte gjennomsnitt og sentrert glidende gjennomsnitt Min hjerne svikter virkelig meg i dag - oh kjære. 001unsure: Jeg gjør en Unit 7 simuleringspraksis og det er et spørsmål som ber meg om å beregne salgsutviklingen i løpet av de siste 3 årene ved å bruke bevegelige gjennomsnitt. Jeg får 3 års verdi for salgstall, hver delt i 4 kvartaler. Min studiebok bare detaljer 3 poeng glidende gjennomsnitt, men heldigvis har jeg allerede studert 4 poeng glidende gjennomsnitt på teknisk nivå - jeg vil bare forklare at det jeg gjør er riktig. Malen jeg får, viser salgstallene i en kolonne, deretter en kolonne for 4-glidende gjennomsnitt og en endelig kolonne for sentrert glidende gjennomsnitt. Så det jeg gjør er å ta totalt 1 år (alle fire kvartaler) og dele med 4 - dette gjennomsnittet går mellom år 1 Q2 og Q3, så fortsetter jeg å gjøre denne beregningen, men flytter ned denne kolonnen, dvs neste beregning er år 1 Q1, Q2 og Q3 pluss år 2 Q1 dividert med 4 og dette går mellom år 1 Q3 og Q4 osv. I den sentrert glidende gjennomsnittskolonnen, sumer jeg de 2 gjennomsnittene og deler med 2 og legger tallet mot år 1 Q3 og fortsett ned kolonnen som dette. Lyder dette riktigMetode av bevegelige gjennomsnitt Kommentarer er avstand Anta at det er tidsperioder som er betegnet og tilsvarende verdier av variabel er. Først av alt må vi bestemme perioden for de bevegelige gjennomsnittene. For korte tidsserier bruker vi periode på 3 eller 4 verdier. For lang tidsserier kan perioden være 7, 10 eller mer. For kvartalsvise tidsserier beregner vi alltid gjennomsnitt som tar 4 fjerdedeler av gangen. I månedlige tidsserier beregnes 12 måneders glidende gjennomsnitt. Anta at gitte tidsserier er i år, og vi har bestemt oss for å beregne 3 års glidende gjennomsnitt. De bevegelige gjennomsnittene som er oppgitt, beregnes som nedenfor:
Comments
Post a Comment