filtr User-Defined
Tworzy niestandardowy, skończony lub nieskończony filtr odpowiedzi impulsowej
Kategoria: Przekształcanie/filtrowanie danych
Uwaga
Dotyczy: tylko Machine Learning Studio (wersja klasyczna)
Podobne moduły przeciągania i upuszczania są dostępne w projektancie Azure Machine Learning.
Omówienie modułu
W tym artykule opisano sposób używania modułu Filtr zdefiniowany przez użytkownika w programie Machine Learning Studio (wersja klasyczna), aby zdefiniować filtr niestandardowy przy użyciu filtru skończonej odpowiedzi impulsowej (FIR) lub filtru nieskończonej odpowiedzi impulsowej (IIR) z określonymi współczynnikami.
Filtr to funkcja transferu, która pobiera sygnał wejściowy i tworzy sygnał wyjściowy na podstawie właściwości filtru. Aby uzyskać więcej ogólnych informacji na temat użytkownika filtrów w przetwarzaniu sygnału cyfrowego, zobacz Filter (Filtr). Ten moduł jest szczególnie przydatny w przypadku stosowania zestawu wcześniej pochodnych współczynników filtru do danych.
Po zdefiniowaniu filtru spełniającego Twoje potrzeby można zastosować filtr do danych, łącząc zestaw danych i filtr z modułem Zastosuj filtr .
Porada
Chcesz filtrować dane z zestawu danych lub usunąć brakujące wartości? Zamiast tego użyj następujących modułów:
- Wyczyść brakujące dane: użyj tego modułu, aby usunąć brakujące wartości lub zastąpić brakujące wartości symbolami zastępczymi.
- Partycja i przykład: ten moduł służy do dzielenia lub filtrowania zestawu danych według kryteriów, takich jak zakres dat, określona wartość lub wyrażenia regularne.
- Wartości wycinków: użyj tego modułu, aby ustawić zakres i zachować tylko wartości w tym zakresie.
Jak skonfigurować filtr User-Defined
Dodaj moduł Filtr zdefiniowany przez użytkownika do eksperymentu w programie Studio (wersja klasyczna). Ten moduł można znaleźć w obszarze Przekształcanie danych w kategorii Filtr .
W okienku Właściwości wybierz typ filtru: filtr FIR lub filtr IIR.
Podaj współczynniki, które mają być stosowane w filtrze. Wymagania dotyczące współczynników różnią się w zależności od tego, czy wybrano filtr FIR, czy filtr IIR.
W przypadku filtru FIR należy określić wektor współczynników przekazywania do przodu. Długość wektora określa kolejność filtru. Filtr FIR jest w rzeczywistości średnią ruchomą, więc wartości konfiguracji stosują średnią ruchomą, aby filtrować sekwencję danych.
W przypadku filtru IIR stosuje się niestandardowe współczynniki przekazywania do przodu i do tyłu źródła danych. Zapoznaj się z sekcją Przykłady , aby uzyskać porady.
Połączenie filtru zastosuj filtr i połącz zestaw danych.
Użyj selektora kolumn, aby określić kolumny zestawu danych, do których ma zostać zastosowany filtr. Domyślnie moduł Zastosuj filtr będzie używać filtru dla wszystkich wybranych kolumn liczbowych.
Uruchom eksperyment.
Określone przekształcenia są stosowane do wybranych kolumn liczbowych tylko po uruchomieniu eksperymentu przy użyciu zastosuj filtr.
Przykłady
Aby uzyskać więcej przykładów użycia filtrów w uczeniu maszynowym, zobacz galerię sztucznej inteligencji platformy Azure:
- Filtry: demonstruje wszystkie typy filtrów. W przykładzie użyto zaprojektowanego zestawu danych kształtów falowych, aby łatwiej zilustrować efekty różnych filtrów.
Przykład filtru FIR: średnia ruchoma ważona wykładniczo
W przypadku średniej ruchomej ważonej wykładniczo wszystkie współczynniki są mniejsze niż jeden, a suma wszystkich współczynników jest równa jednej. W związku z tym wariancja średniej ważonej zawsze będzie mniejsza niż wartości wejściowe.
Na przykład w przypadku filtru FIR w celu przybliżenia średniej ruchomej ważonej wykładniczo (WMA) należy podać rozdzieloną przecinkami listę współczynników dla wartości parametru przekazywania do przodu:
0.01818182, 0.03636364, 0.05454545, 0.07272727, 0.09090909, 0.10909091, 0.12727273, 0.14545455, 0.16363636, 0.18181818
Przykład filtru FIR: średnia ruchoma ważona wykładniczo (interpolacja Deslauriers-Dubuc)
Ten filtr FIR przybliża trójkątnie ważoną średnią ruchomą (WMA). Współczynniki można zdefiniować, podając rozdzielaną przecinkami serię wartości parametrów przekazywania do przodu, na przykład:
0.0625, 0.0625, 0.2500, 0.3750, 0.2500, 0.0625
Wartości używane w tym niestandardowym filtrze FIR reprezentują wektor współczynników przekazywania do przodu uzyskane przy użyciu Deslauriers-Dubuc metody skończonego sekwencjonowania. Aby uzyskać więcej informacji, zobacz Dubuc-Deslauriers Subdivision for Finite Sequences and Interpolation Wavelets on an Interval (Subdivision for Finite Sequences and Interpolation Wavelets on an Interval).
Przykład filtru IIR: Filtr na wycięcie
Dobrym przykładem aplikacji dla filtru IIR zdefiniowanego przez użytkownika jest zdefiniowanie filtru wyciętego, nazywanego również filtrem bandstop. Żądany filtr wycięcia tłumi pasm odrzucenia -3dB, fb, wyśrodkowany z częstotliwością naciętą, fn, z częstotliwością próbkowania, fs.
W takim przypadku filtr wycięcie cyfrowe może być reprezentowane przez następującą formułę:
W tej formule przyjęto założenie:
Na podstawie tej formuły możemy uzyskać współczynnik przekazywania do przodu:
Współczynniki do tyłu kanału informacyjnego byłyby następujące:
Przykład filtru IIR: filtr na wycięcie 2
W poniższym przykładzie pokazano filtr wycięcie z częstotliwością wyciętości fn =1250 Hz i -3 dB przedziałem fb =100 Hzodrzucenia elementu z częstotliwością fs=10 kHzpróbkowania .
Korzystając z następującej formuły, uzyskasz a2 = 0.93906244 wartości i a1 = 1.3711242:
W tym celu można uzyskać następujące współczynniki przekazywania do przodu (b) i do tyłu (a):
b = 1.9390624, -2.7422484, 1.9390624
a = 1, -1.3711242, 0.9390624
Parametry modułu
| Nazwa | Zakres | Typ | Domyślny | Opis |
|---|---|---|---|---|
| Typ filtru | dowolny | ImpulseResponse | Określanie typu filtru do dostosowania | |
| do przodu | dowolny | Ciąg | „1.0” | Typ serii współczynników przekazywania do przodu |
| do tyłu | dowolny | Ciąg | „1.0” | Wpisz serię współczynników filtru wstecznego źródła |
Dane wyjściowe
| Nazwa | Typ | Opis |
|---|---|---|
| Filtr | IFilter, interfejs | Implementacja filtru |
Wyjątki
| Wyjątek | Opis |
|---|---|
| ParametryParsing | Wyjątek występuje, jeśli nie można przeanalizować lub przekonwertować jednego lub większej liczby parametrów z określonego typu na typ wymagany przez metodę docelową. |
Aby uzyskać listę błędów specyficznych dla modułów programu Studio (wersja klasyczna), zobacz Machine Learning Kody błędów.
Aby uzyskać listę wyjątków interfejsu API, zobacz Machine Learning kody błędów interfejsu API REST.