注册
登录
最近在做一个项目，要用到深度学习的东西，所以搭建了个tensorflow框架，但众所周知，即使再强大的机器学习方法，如果在前期没有将数据处理好，那么一切都是白费。本文及以后的文章我都会将自己在项目中的一些想法记录下来，有不对的地方还请大家指正。 言归正传，在我所拿到的数据中，有些数据因为一些不可抗力的原因，出现了些许波动，如下图所示：
从上图中我们可以看出，因为这是在静态环境下搜集的数据，所以正确的波形应该是小幅平滑波动，而不是像上图一样剧烈波动，但因其是在实验环境下的数据，所以要想一些办法去抵消这些波动，而不是放弃这条数据。 因此，通常的做法是选择滑动窗口平均的做法（由numpy包实现），但项目数据是有时序特征的，所以我选择的是指数加权移动平均方法，距离近的权值打，距离远的权值小，这样就能够最大限度的保存原始数据的信息，而不会把数据搞废掉。 具体代码如下：
数据处理后，结果为
|
| 本文出处： http://www.toutiao.com/a6429272717351272705/ |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
