Dataglattingsverktøy

Dataglattingsverktøyet tar imot en numerisk sekvens og glatter den for å redusere høyfrekvent støy samtidig som kjernen mønstrene beholdes. Dette er rettet mot dataforskere, ingeniører, forskere, studenter og analytikere som arbeider med støyende sensorer, laboratoriemålinger eller finansielle tidsserier og trenger renere input til visualisering, funksjonsutvinning og prognoser.
Konseptuelt innebærer glatting en avveiing mellom trofasthet og støyreduksjon ved å bruke en av flere algoritmer. Den støtter glidende gennemsnit, Savitzky-Golay, LOESS og Gaussisk utjævning. Brukere oppgir data_series og justerer parameterne for hver metode: window_size for glidende gennemsnit, poly_order for Savitzky-Golay, bandwidth eller smoothing_fraction for LOESS, og sigma for Gaussisk utjævning. Kantbehandling kan være reflect, pad eller truncate. Formler inkluderer y_i = gjennomsnitt av naboer for glidende gennemsnit; Savitzky-Golay beregner y_hat_i via konvolusjon med polynomiale koeffisienter; LOESS tilpasser lokale regresjoner med et tri-cubic kernel; Gaussisk utjævning bruker en vektet konvolusjon med Gaussian kernel.
Utdata inkluderer smoothed_series, residuals (original minus smoothing) og en registrering av brukte parametre. Utdata beholder samme lengde som input for å matche grafer og downstream-modeller. Det støtter uregelmessig sampling via x_values og gir diagnostikk for å hjelpe til med å velge metoden som best bevarer trender mens støyen reduseres. Bruksområder inkluderer sensor-ruisreduksjon, klima- og finansielle tidsserier, eksperimentelle protokoller og undervisningsdemonstrasjoner. Unikt verdi ligger i å tilby flere glattemetoder i ett arbeidsflyt, tydelige parameterkontroller og enkle eksportmuligheter for modellering, visualisering eller rapportering.