用更重要的最近观测值计算平均值答案

【问题标题】：Calculating a mean with more recent observations with greater importance用更重要的最近观测值计算平均值
【发布时间】：2019-12-27 01:34:40
【问题描述】：

我正在构建一种算法，以使用之前比赛的表现来预测体育赛事的结果。例如，我可能有两个如下所示的列表：

# list of game numbers
game_number = [1, 2, 3, 4, 5, 6, 7] 

# list of points scored   
points_scored = [100, 106, 99, 106, 89, 94, 113]

我可以使用以下方法轻松计算平均值：

# calculate mean
mean_points_scored = np.mean(points_scored)

但是，我希望在计算平均值时对最近的游戏进行更重的加权。有人有这方面的经验吗？

【问题讨论】：

numpy weighted average

标签： python numpy weighted-average

【解决方案1】：

您可以使用np.average 进行加权平均

mean_points_scored = np.average(points_scored, weights=game_number)

【讨论】：

【解决方案2】：

我认为重量必须在不同的数组中定义：

weights_define = [1, 1, 1, 1, 1, 2, 3]
mean_points_scored = np.average(points_scored, weights=weights_define)

因为 wilkben 定义它的方式不准确，过于夸张，根本不是数学！

您可以查看 Excel 说明，该说明解释了数学的实际工作原理（代码基本上是数学，不要忘记！）--> Excel Debunk

【讨论】：

【解决方案3】：

权重的定义可以基于某些定义的标准，如下所示。 x 的因素可能会有所变化，或者权重列表的份数可能会根据要求而有所不同。假设a,b,c 和15 三个部分数据点，（假设x 的因子在权重列表的末尾部分更大，因为它为recent games 给出了更多的权重）

a = [(3*x) for x in range(1,6)]
b = [(4*x) for x in range(6,11)]
c = [(7*x) for x in range(11,16)]

weights_define = a+b+c

game_number = [1, 2, 3, 4, 5, 6, 7,8,9,10,11,12,13,14,15]
points_scored = [100, 106, 99, 106, 89, 94, 113, 112,109,111,97,95,102,107,103]

 mean_points_scored = np.average(points_scored, weights=weights_define)  
 print(mean_points_scored)

输出：

102.77878787878788

【讨论】：