一、簡單移動平均SMA

最近有一個平滑的需求：
設置平滑期數h（奇數），每期點平滑方法是：取該期前后共m期（含本期）點的平均值。如果前或后沒有足夠的點則不用平滑。
特別地，如果取m=1，那就是取本期即可，相當于不平滑；如[1,3,2,4] -> [1,3,2,4]
如果取m=3，那就是取本期前一期、本期以及本期后一期的平均值；如[1,3,2,4] -> [1,2,3,4]，其中開頭的1和末尾的4是不用平滑的，因為前或后沒有足夠的點。2 = (1+3+2)/3，3 = (3+2+4)/3

這種平滑方式就是簡單移動平均，不過保留了兩端的點。下面給出帶兩端和不帶兩端的兩種方式。

1、不帶端點：

import numpy as np a = [1,4,5,10,2,8,9] h = 3 # 注意要單獨處理一下h=1的情況 if h==1: # 相當于不平滑pass else:print(np.convolve(a, np.ones(h)/h, mode='valid')) Out[13]: array([3.33333333, 6.33333333, 5.66666667, 6.66666667, 6.33333333])

2、帶端點

import numpy as np a = [1,4,5,10,2,8,9] h = 3 # 注意要單獨處理一下h=1的情況 if h==1: # 相當于不平滑pass else:half_h = h // 2b[half_h:-half_h] = np.convolve(a, np.ones(h)/h, mode='valid')print(b) Out[20]: [1, 3.333333333333333, 6.333333333333333, 5.666666666666667, 6.666666666666666, 6.333333333333333, 9]

二、指數移動平均EMA

接觸這個是學弟做深度學習相關畢設問我的，用于對模型參數做平均。

普通的EMA可以看這個實現移動平均指數平滑python實現

但在深度學習方面的應用主要還是看這兩個理解吧
EMA(指數移動平均)及其深度學習應用
【煉丹技巧】指數移動平均（EMA）的原理及PyTorch實現

總結

以上是生活随笔為你收集整理的简单移动平均SMA和指数移动平均EMA的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。