Mudança Média Kernel

Uma possível abordagem aqui é ter um método que retorna o kernel. Pelo que eu posso ver, as insumos para este método seriam do tipo kernel. Eu. E outras entradas. Uma abordagem simples seria: isso é, naturalmente, terrivelmente, terrivelmente áspero, e uma grande quantidade de melhoria pode ser feita, mas se destina apenas a obter o ponto em frente. Gostaria de usar uma interface para representar um kernel e ter classes derivadas por kernel. Na minha experiência, isso produz um código suficientemente legível e sustentável, mas há sempre espaço para melhorias. Respondeu 1 de agosto de 14 às 20: 39 Tenho dados da forma: x é contínuo de 0 a 1 e não está igualmente espaçado e y é binário. Gostaria de suavizar o eixo x usando R, mas não consigo encontrar o pacote certo. As funções de suavização do kernel que eu encontrei produzem estimativas de densidade de x ou darão uma estimativa errada nas extremidades do x, porque eles são comuns em regiões inferiores a 0 e superiores a 1. Id também gostam de evitar alisadores lineares como Loess givens, então a forma binária de Y. As funções de média móvel que eu vi assumem valores de x espaçados. Você conhece quaisquer funções de R que suavizem e, idealmente, tenham um procedimento de seleção de largura de banda, eu posso escrever uma função de média móvel e validar a cruz para determinar a largura de banda, mas a Id prefere encontrar uma função existente que tenha sido examinada. Perguntou 17 de dezembro às 15: 21 Até recentemente, pensei que a média da carga (como mostrado, por exemplo, na parte superior) era uma média móvel nos n últimos valores do número de processos em estado executável ou em execução. E n teria sido definido pelo comprimento da média móvel: uma vez que o algoritmo para calcular a média de carga parece disparar a cada 5 segundos, n teria sido 12 para a média de carga de 1min, 12x5 para a média de carga de 5 min e 12x15 para a Média de carga de 15 min. Mas então eu li este artigo: linuxjournalarticle9001. O artigo é bastante antigo, mas o mesmo algoritmo é implementado hoje no kernel do Linux. A média de carga não é uma média móvel, mas um algoritmo para o qual não conheço um nome. De qualquer forma, fiz uma comparação entre o algoritmo do kernel do Linux e uma média móvel para uma carga periódica imaginária:. Há uma enorme diferença. Finalmente, minhas perguntas são: Por que essa implementação foi escolhida em comparação com uma verdadeira média móvel, que tem um significado real para todos. Por que todos falam sobre a média de carga de 1min, já que muito mais do que o último minuto é levado em consideração pelo algoritmo. (Matematicamente, toda a medida desde a inicialização na prática, levando em consideração o erro de redondeamento - ainda muitas medidas) perguntou Mar 8 11 às 22:34 migrou do stackoverflow Mar 9 11 às 5:31 Esta questão veio Nosso site para programadores profissionais e entusiasta. É uma média móvel exponencial (EMA), também usada, por exemplo, em finanças (análise técnica). As vantagens são presumivelmente as mesmas - o EMA pode ser calculado a partir do valor anterior e atual, e os valores recentes recebem mais peso do que os valores mais antigos. Em um MA padrão, o valor mais antigo contribui tanto para a média como o mais recente, e às vezes pensamos que os valores mais recentes são mais importantes. Ndash jg-faustus Mar 10 11 às 3:57 Esta diferença remonta ao original Berkeley Unix, e decorre do fato de que o kernel não pode realmente manter uma média móvel, precisaria reter um grande número de leituras passadas para fazer Então, e especialmente nos velhos tempos, não havia mais memória que poupar. O algoritmo usado, em vez disso, tem a vantagem de que todo o kernel precisa manter é o resultado do cálculo anterior. Tenha em mente que o algoritmo estava um pouco mais próximo da verdade quando as velocidades do computador e os ciclos de relógio correspondentes foram medidos em dezenas de MHz, em vez de GHz, há muito mais tempo para que as discrepâncias fluam nestes dias. Respondeu 9 de março às 17h48