การย้าย ค่าเฉลี่ย และ เป็นศูนย์กลาง การเคลื่อนไหว ค่าเฉลี่ย

David, Yes, MapReduce มีจุดมุ่งหมายเพื่อใช้งานข้อมูลจำนวนมากและแนวคิดก็คือโดยทั่วไปแผนที่และลดฟังก์ชันไม่ควรดูแลผู้จัดทำแผนที่หรือลดจำนวนเท่าไหร่นั่นคือการเพิ่มประสิทธิภาพเพียงอย่างเดียวถ้าคุณคิดอย่างรอบคอบ ขั้นตอนฉันโพสต์คุณจะเห็นว่ามัน doesn t เรื่องที่ mapper ได้รับสิ่งที่ส่วนของข้อมูลแต่ละระเบียนเข้าจะสามารถใช้ได้ทุกลดการดำเนินงานที่ต้องการ Joe K กันยายน 18 12 ที่ 22 30. ในความเข้าใจที่ดีที่สุดของฉันเฉลี่ยเคลื่อนที่ ไม่ได้เป็นอย่างดีแมปกับกระบวนทัศน์ MapReduce เนื่องจากการคำนวณของมันเป็นหลักเลื่อนหน้าต่างไปเรียงลำดับข้อมูลในขณะที่ MR คือการประมวลผลของช่วงที่ไม่ใช่ intersected ของเรียงข้อมูล Solution ฉันเห็นเป็นดังต่อไปนี้เพื่อใช้ partitioner เองเพื่อให้สามารถทำพาร์ทิชันที่แตกต่างกันสอง ในการทำงานแต่ละครั้ง reducers ของคุณจะได้รับช่วงที่แตกต่างกันของข้อมูลและคำนวณค่าเฉลี่ยเคลื่อนที่ที่ approprieate ฉันจะพยายามที่จะแสดงในข้อมูลการทำงานครั้งแรกสำหรับ reducers ควร R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8. ที่นี่คุณจะสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้สำหรับ Q ในการดำเนินการต่อไป reducers ของคุณควรจะได้รับข้อมูลเช่น R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14 และลบล้างส่วนที่เหลือของค่าเฉลี่ยเคลื่อนที่จากนั้นคุณจะต้องรวมผลลัพธ์ partitioner แบบกำหนดเองที่จะมีสองโหมดของการทำงาน - แต่ละครั้งที่แบ่งออกเป็นช่วงเท่ากัน แต่มีการเปลี่ยนแปลงบางอย่างใน pseudocode จะมีลักษณะเช่นนี้คีย์พาร์ทิชัน SHIFT MAXKEY numOfPartitions ที่ SHIFT จะถูกนำมาจากค่า MAXKEY ค่าสูงสุดของคีย์ฉันถือว่า สำหรับความเรียบง่ายที่พวกเขาเริ่มต้นด้วย zero. RecordReader, IMHO ไม่ได้แก้ปัญหาเนื่องจากมีการ จำกัด เฉพาะการแยกและไม่สามารถสไลด์มากกว่าทางแยก boundary. Another จะใช้ตรรกะที่กำหนดเองในการแยกข้อมูลเข้าเป็นส่วนหนึ่งของ InputFormat It สามารถทำเพื่อทำ 2 ภาพนิ่งที่แตกต่างกันคล้ายกับการแบ่ง partition เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่ที่ใช้โดยการวางค่าเฉลี่ยในช่วงเวลากลางทำให้รู้สึกในตัวอย่างก่อนหน้านี้เราคำนวณค่าเฉลี่ยของค่าเริ่มต้น st 3 ช่วงเวลาและวางไว้ข้างๆช่วงเวลา 3 เราสามารถวางค่าเฉลี่ยในช่วงกลางของช่วงเวลาสามช่วงคือถัดจากช่วงเวลา 2 นี่ทำงานได้ดีกับช่วงเวลาคี่ แต่ไม่ค่อยดีเท่าในเวลาที่กำหนด เราจะวางค่าเฉลี่ยเคลื่อนที่เป็นอันดับแรกเมื่อ M 4. ทางเทคนิคค่า Moving Average จะลดลงที่ t 2 5, 3 5. เพื่อหลีกเลี่ยงปัญหานี้เราจะทำให้ MAs เรียบขึ้นโดยใช้ M 2 ดังนั้นเราจึงเรียบค่าที่ราบเรียบถ้าเรา เฉลี่ยจำนวนแม้จำนวนคำที่เราต้องเรียบค่าเรียบตารางต่อไปนี้แสดงผลการใช้ M 4 เฉลี่ยการเคลื่อนไหวสิ่งที่พวกเขาในบรรดาตัวชี้วัดทางเทคนิคที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่ใช้ในการวัดทิศทางของแนวโน้มปัจจุบัน ค่าเฉลี่ยเคลื่อนที่ทุกประเภทที่เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมาเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกแปลงเป็นแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นได้มากกว่า กว่าโฟกัส ng ในความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมดรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่ซึ่งรู้จักกันในชื่อ SMA เฉลี่ยที่เคลื่อนที่ได้ง่ายคำนวณโดยใช้ค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนดตัวอย่างเช่น ในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา 110 จะหารด้วยจำนวน วันที่ 10 เพื่อไปถึงค่าเฉลี่ย 10 วันหากผู้ประกอบการค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนการคำนวณแบบเดียวกันจะทำ แต่จะรวมราคาในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่เกิดขึ้นต่ำกว่า 11 จะใช้เวลา บัญชีที่ผ่านมา 10 จุดข้อมูลเพื่อให้ผู้ค้าทราบวิธีการเป็นสินทรัพย์ที่มีราคาเทียบกับที่ผ่านมา 10 วันบางทีคุณอาจจะสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ค่าเฉลี่ยเคลื่อนที่และไม่เพียง แต่หมายถึงปกติคำตอบคือว่าเป็น ค่าใหม่จะพร้อมใช้งานที่เก่าแก่ที่สุด จุดข้อมูลต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ต้องมาแทนที่ดังนั้นชุดข้อมูลจึงเคลื่อนย้ายบัญชีใหม่เพื่อให้มีข้อมูลใหม่เมื่อมีการใช้วิธีการคำนวณนี้ช่วยให้แน่ใจได้ว่ามีการคิดเฉพาะข้อมูลปัจจุบันเท่านั้น รูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดงแทนจุดข้อมูล 10 จุดที่ผ่านมาจะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูง จาก 15 คุณคาดว่าจะเห็นค่าเฉลี่ยของการลดการเก็บข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 เท่าค่าเฉลี่ยของค่าเฉลี่ยที่ทำการคำนวณเมื่อมีการคำนวณค่าของ MA แล้วพวกเขาจะถูกแปลงเป็นแผนภูมิ แล้วเชื่อมต่อเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่เส้นโค้งเหล่านี้เป็นเส้นตรงในแผนภูมิของผู้ค้าทางเทคนิค แต่วิธีที่ใช้จะแตกต่างกันมากขึ้นในภายหลังเนื่องจากคุณสามารถเห็นได้จากรูปที่ 3 คุณสามารถเพิ่มการเคลื่อนย้ายได้มากกว่าหนึ่งรายการ เฉลี่ย t แผนภูมิใด ๆ โดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณเส้นโค้งเหล่านี้อาจดูเหมือนรบกวนหรือสับสนในตอนแรก แต่คุณจะเติบโตคุ้นเคยกับพวกเขาเป็นเวลาที่จะไปสายสีแดงเป็นเพียงราคาเฉลี่ยที่ผ่านมา 50 วัน, ในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมาตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไรและเราจะแนะนำค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันอย่างไรและตรวจสอบว่าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวมา ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมมากในหมู่ผู้ค้า แต่เหมือนตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์หลายคนยืนยันว่าประโยชน์ของ SMA จะถูก จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้น ในลำดับนักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลสุดท้ายในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่ม ให้น้ำหนักมากขึ้นกับข้อมูลล่าสุดซึ่งได้นำไปสู่การประดิษฐ์ของค่าเฉลี่ยใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบ EMA สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA และค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวบ่งชี้ EMA ค่าเฉลี่ยเคลื่อนที่แบบเสวนาหมายถึงค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยที่ให้น้ำหนักมากกว่าราคาล่าสุดในความพยายามที่จะทำให้ข้อมูลของคุณตอบสนองต่อข้อมูลใหม่เรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมาก เนื่องจากเกือบทุกแพคเกจแผนภูมิทำคำนวณสำหรับคุณอย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA เมื่อใช้สูตรการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าพร้อมใช้งาน เป็น EMA ก่อนหน้านี้ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยการเริ่มต้นการคำนวณที่มีค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและต่อเนื่องกับสูตรข้างต้นจากที่นั่นเราได้ให้คุณ w ตัวอย่างจากตัวอย่างของชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบง่ายและค่าเฉลี่ยเคลื่อนที่แบบเสวนาความแตกต่างระหว่าง EMA กับ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA คำนวณได้อย่างไร ลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไรโดยดูที่การคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลมีการเน้นที่จุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ใน แต่ละค่าเฉลี่ยเท่ากับ 15 แต่ EMA ตอบสนองได้เร็วกว่าราคาที่เปลี่ยนแปลงแจ้งว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลงการตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมาก ชอบใช้ EMA มากกว่า SMA. What Different Days Mean Moving averages เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้เองซึ่งหมายความว่าผู้ใช้สามารถเลือกกรอบเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ยของ Th ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความไวมากขึ้นก็จะเป็นการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวนานขึ้น sensitive หรือ smoothed out ค่าเฉลี่ยจะไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการหาว่าวิธีใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบ หนึ่งที่เหมาะกับกลยุทธ์ของคุณ