機器學習經典演算法(三)--指數加權平均
阿新 • • 發佈:2019-01-11
機器學習經典演算法(三)–指數加權平均
指數加權平均(Exponentially Weighted Averages)是一些改進梯度下降法重要理論,如上篇博文梯度下降法(2)提到的動量梯度下降法,RMSprop、Adam等都用到了指數加權平均。也叫指數加權移動平均(Exponentially Weighted Moving Averages);那麼到底什麼是指數加權平均呢?
基礎概念
話說有這麼一個例子,如下圖,橫軸表示天數
,縱軸表示某地每天對應的溫度
,這是1年的資料,現在我們想計算一下,這一年溫度變化的趨勢
這個變化趨勢也就是區域性平均或移動平均,怎麼做呢?
我們用
這樣一個式子表達了相當於,當天的溫度平均值約等於 前 天溫度資料加權平均, 。
例如: 時, 天,效果如圖:
例如:
時,
天,效果如圖:
例如:
時,
天,效果如圖:
從上述3種情況對比看,該資料平均前10天較為符合我們期望;前50天曲線太平滑,有點偏離資料;前2天與資料較為貼合,但同時存在噪聲。
進一步理解
我們將上式展開,這裡用第100個平均值,
為例:
則:
從上式可以看出第100天的平均值是由前100天資料加權平均的,但是看它們的權重係數,是符合一個指數級衰減函式,當