ศูนย์กลางการ เคลื่อนไหว ค่าเฉลี่ย สำหรับ รายสัปดาห์ ข้อมูล

David, Yes, MapReduce มีจุดมุ่งหมายเพื่อใช้งานข้อมูลจำนวนมากและแนวคิดก็คือโดยทั่วไปแผนที่และลดฟังก์ชันไม่ควรดูแลผู้จัดทำแผนที่หรือลดจำนวนเท่าไหร่นั่นคือการเพิ่มประสิทธิภาพเพียงอย่างเดียวถ้าคุณคิดอย่างรอบคอบ ขั้นตอนฉันโพสต์คุณจะเห็นว่ามัน doesn t เรื่องที่ mapper ได้รับสิ่งที่ส่วนของข้อมูลแต่ละระเบียนเข้าจะสามารถใช้ได้ทุกลดการดำเนินงานที่ต้องการ Joe K กันยายน 18 12 ที่ 22 30. ในความเข้าใจที่ดีที่สุดของฉันเฉลี่ยเคลื่อนที่ ไม่ได้เป็นอย่างดีแมปกับกระบวนทัศน์ MapReduce ตั้งแต่การคำนวณของมันเป็นหลักเลื่อนหน้าต่างไปเรียงลำดับข้อมูลในขณะที่ MR คือการประมวลผลของช่วงที่ไม่ใช่ intersected ของข้อมูลเรียงลำดับ Solution ฉันเห็นเป็นดังต่อไปนี้เพื่อใช้ partitioner เองเพื่อให้สามารถทำพาร์ทิชันที่แตกต่างกันสอง ในการทำงานแต่ละครั้ง reducers ของคุณจะได้รับช่วงที่แตกต่างกันของข้อมูลและคำนวณค่าเฉลี่ยเคลื่อนที่ที่ approprieate ฉันจะพยายามที่จะแสดงในข้อมูลการทำงานครั้งแรกสำหรับ reducers ควร R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8. ที่นี่คุณจะสามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับบาง Qs. ในการดำเนินการต่อไป reducers ของคุณควรได้รับข้อมูลเช่น R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14 และ caclulate ส่วนที่เหลือของการย้ายค่าเฉลี่ยแล้วคุณจะต้องรวมผลลัพธ์. partitioner แบบกำหนดเองที่จะมีสองโหมดของการทำงาน - แต่ละครั้งที่แบ่งออกเป็นช่วงเท่ากัน แต่มีการเปลี่ยนแปลงบางอย่างใน pseudode จะมีลักษณะเช่นนี้คีย์พาร์ทิชัน SHIFT MAXKEY numOfPartitions ที่ SHIFT จะถูกนำมาจากค่า MAXKEY ค่าสูงสุดของคีย์ฉันถือว่า สำหรับความเรียบง่ายที่พวกเขาเริ่มต้นด้วย zero. RecordReader, IMHO ไม่ได้แก้ปัญหาเนื่องจากมีการ จำกัด เฉพาะการแยกและไม่สามารถสไลด์มากกว่าทางแยก boundary. Another จะใช้ตรรกะที่กำหนดเองในการแยกข้อมูลเข้าเป็นส่วนหนึ่งของ InputFormat It สามารถทำได้เพื่อทำ 2 ภาพนิ่งที่แตกต่างกันคล้ายกับการแบ่งพาร์ทิชันเฉลี่ยพวกเขาสิ่งที่พวกเขาในบรรดาตัวชี้วัดทางเทคนิคที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มในปัจจุบันทุกประเภทของ ค่าเฉลี่ยเคลื่อนที่ที่เขียนโดยทั่วไปในแบบฝึกหัดนี้เป็น MA คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมาเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมดรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่ซึ่งเป็นที่รู้จักกันทั่วไปว่าเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย SMA คำนวณโดยใช้ค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนดตัวอย่างเช่นเพื่อ คำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันที่คุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา 110 จะหารด้วยจำนวนวันที่ 10 เพื่อให้ได้ค่าเฉลี่ย 10 วันหากผู้ประกอบการค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนการคำนวณแบบเดียวกันจะทำ แต่จะรวมราคาในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่ต่ำกว่า 11 จะพิจารณาถึง e ที่ผ่านมา 10 จุดข้อมูลเพื่อให้ผู้ค้าทราบวิธีการเป็นสินทรัพย์ที่มีราคาเทียบกับที่ผ่านมา 10 วันบางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ค่าเฉลี่ยเคลื่อนที่และไม่เพียง แต่หมายถึงปกติคำตอบคือว่าเป็นใหม่ ค่าที่มีอยู่จะต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ จะต้องมาแทนที่ดังนั้นชุดข้อมูลจึงมีการเคลื่อนย้ายบัญชีใหม่เพื่อให้มีข้อมูลใหม่เมื่อพร้อมใช้งานวิธีการคำนวณนี้จะทำให้แน่ใจได้ว่ามีเพียงกระแสข้อมูล ข้อมูลจะถูกคิดในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดงแทนจุดข้อมูล 10 จุดที่ผ่านมาจะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็ก จาก 5 แทนค่าสูง 15 คุณคาดว่าจะเห็นค่าเฉลี่ยของการลดลงของชุดข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยการเคลื่อนไหวเมื่อค่าของ MA ถูกคำนวณ พวกเขาเป็น PL ลงบนแผนภูมิและเชื่อมต่อกันเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่เส้นโค้งเหล่านี้เป็นเส้นทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีที่ใช้จะแตกต่างกันไปมากในส่วนนี้หลังจากที่คุณเห็นในรูปที่ 3 คุณสามารถเพิ่มได้ มากกว่าหนึ่งค่าเฉลี่ยเคลื่อนที่ไปยังแผนภูมิใด ๆ โดยการปรับจำนวนรอบระยะเวลาที่ใช้ในการคำนวณเส้นโค้งเหล่านี้อาจดูเหมือนเสียสมาธิหรือสับสนในตอนแรก แต่คุณจะเติบโตคุ้นเคยกับพวกเขาเป็นเวลาที่จะไปบนเส้นสีแดงเป็นเพียงราคาเฉลี่ยมากกว่า 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมาขณะที่คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไรและจะเป็นอย่างไรเราจะแนะนำค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันและตรวจสอบความแตกต่างของค่าเฉลี่ย ค่าเฉลี่ยเคลื่อนที่ที่กล่าวมาข้างต้นเป็นที่นิยมมากในหมู่ผู้ค้า แต่เช่นเดียวกับตัวชี้วัดทางเทคนิคทั้งหมดก็มีนักวิจารณ์หลายคนยืนยันว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละ จุดในชุดข้อมูลจะถูกถ่วงน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในซีเควนซ์นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้ายในการตอบสนองต่อคำติชมนี้ผู้ค้าเริ่มต้น เพื่อให้มีน้ำหนักมากขึ้นกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์ค่าเฉลี่ยใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบ EMA สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA และ EMA. Exponential Moving Average ค่าเฉลี่ยเคลื่อนที่เชิงตัวเลขเป็นค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากขึ้นกับราคาล่าสุดในความพยายามที่จะทำให้สามารถตอบสนองต่อข้อมูลใหม่ ๆ เรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับหลาย ๆ คน ผู้ค้าเนื่องจากเกือบทุกแพคเกจแผนภูมิทำคำนวณสำหรับคุณอย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีนี่คือสมการ EMA เมื่อใช้สูตร t o คำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยการคำนวณค่าเริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและต่อเนื่องโดยใช้สูตรด้านบนจากที่นั่นเรามี ให้คุณมีสเปรดชีตตัวอย่างที่มีตัวอย่างชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบง่ายๆและค่าเฉลี่ยเคลื่อนที่แบบเสวนาความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจว่า SMA และ EMA มีการคำนวณอย่างไร ลองพิจารณาดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไรโดยดูจากการคำนวณของ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลส่วนใหญ่ให้ความสนใจมากขึ้นทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 ตัวเลขของช่วงเวลา ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน 15 แต่ EMA ตอบสนองได้เร็วกว่าราคาที่เปลี่ยนแปลงแจ้งว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลง การตอบสนองนี้เป็นเหตุผลหลักว่าทำไมผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA. What Different Days Mean Moving averages เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้เองซึ่งหมายความว่าผู้ใช้สามารถเลือกกรอบเวลาที่ต้องการได้ทุกเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยคือ 15, 20, 30, 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความไวมากขึ้นก็คือการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวขึ้น หรือเรียบขึ้นค่าเฉลี่ยจะไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการพิจารณาว่ารูปแบบใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบ ที่เหมาะกับกลยุทธ์ของคุณเมื่อคอมพิวเตอร์คำนวณค่าเฉลี่ยเคลื่อนที่ที่ใช้งานอยู่การวางค่าเฉลี่ยในช่วงเวลาตรงกลางจะทำให้ความรู้สึกในตัวอย่างก่อนหน้านี้เราคำนวณค่าเฉลี่ยของช่วงเวลา 3 ช่วงแรกและวางไว้ข้างงวด 3 เราสามารถทำได้ ได้วางค่าเฉลี่ยในช่วงกลางของช่วงเวลาสามช่วงนั่นคือถัดจากช่วงเวลา 2 นี้ทำงานได้ดีกับช่วงเวลาแปลก แต่ไม่ดีสำหรับช่วงเวลาที่แม้กระทั่งเวลาที่เราจะวางค่าเฉลี่ยเคลื่อนที่ครั้งแรกเมื่อ M 4 ค่าเฉลี่ยเคลื่อนที่จะตกที่ t 2 5, 3 5. เพื่อหลีกเลี่ยงปัญหานี้เราจะราบรื่นขึ้นโดยใช้ M 2 ดังนั้นเราจึงเรียบค่าที่ราบเรียบถ้าเราเฉลี่ยจำนวนแม้แต่ของคำที่เราต้องเรียบเรียบ ค่าตารางต่อไปนี้แสดงผลลัพธ์โดยใช้ M 4