أداة تنميّة البيانات

أداة تنميه البيانات عبر الإنترنت تقبل سلسلة رقمية وتقوم بتنعيمها لتقليل الضوضاء عالية التردد مع الحفاظ على النماذج الأساسية في البيانات. تستهدف علماء البيانات، المهندسين، الباحثين، الطلاب، والمحللين الذين يعملون مع مستشعرات ضوضائية، قياسات مخبرية أو سلاسل زمنية مالية ويحتاجون إلى مدخلات أنقى للرؤية، استخراج الميزات والتنبؤات.
مفهومياً، التنميه تقايض الإخلاص من أجل تقليل الضوضاء عبر تطبيق أحد الخوارزميات المتعددة. تدعم المتوسط المتحرك، Savitzky-Golay، LOESS والتنميه Gaussian. يزوّد المستخدمون data_series ويضبطون المعلمات الخاصة بكل طريقة: window_size للمتحرک المتوسط، poly_order لـ Savitzky-Golay، bandwidth أو smoothing_fraction لـ LOESS، و sigma لـGaussian. يمكن معالجة الحواف باستخدام reflect و pad و truncate. الصيغ تشمل y_i = متوسط الجوار للمتحرک المتوسط؛ Savitzky-Golay يحسب y_hat_i عبر التواء بمعاملات كثير الحدود؛ LOESS يركّب انحدارات محلية باستخدام kernel ثلاثي-مكعبي؛ التنميه Gaussian تستخدم التواء موزون مع kernel Gaussian.
المخرجات تشمل smoothed_series، residuals (الأصل ناقص التنميه) وسجل المعلمات المستخدمة. الإخراج يحافظ على طول الإدخال لتنسيق مع الرسوم البيانية والنماذج في المراحل اللاحقة. يدعم القياس غير المنتظم عبر x_values ويقدّم تشخيصات لاختيار الطريقة التي تحافظ على الاتجاهات مع الحد من الضوضاء. حالات الاستخدام تشمل تنظيف بيانات المستشعر، سلاسل مناخية ومالية، سجلات تجارب وعروض تعليمية. القيمة الفريدة هي توفير عدة طرق تنميه في سير عمل واحد، ضوابط معلمات واضحة وتصدير بسيط للنمذجة والتصوير والتقارير.