Documentation Index
Fetch the complete documentation index at: https://wb-21fd5541-docs-2661.mintlify.app/llms.txt
Use this file to discover all available pages before exploring further.
スムージングは、点ごとのばらつきを抑えることで、ノイズの多い折れ線グラフでも傾向を見つけやすくし、背後にある信号を読み取りやすくします。このページでは、W&B がサポートするスムージング アルゴリズム、それぞれが特に有効な場面、および元のデータを表示したままにするかどうかを制御する方法について説明します。
W&B は複数のタイプのスムージングをサポートしています。
これらのアルゴリズムが実際のデータに適用される様子は、インタラクティブな W&B reportで確認できます。
時間加重指数移動平均 (TWEMA) スムージング (デフォルト)
y 値の数) を考慮します。これにより、特性の異なる複数の線を同時に表示する場合でも、一貫したスムージングを行えます。
以下のサンプル コードは、その内部的な動作を示しています。
const smoothingWeight = Math.min(Math.sqrt(smoothingParam || 0), 0.999);
let lastY = yValues.length > 0 ? 0 : NaN;
let debiasWeight = 0;
return yValues.map((yPoint, index) => {
const prevX = index > 0 ? index - 1 : 0;
// VIEWPORT_SCALE は結果をチャートの X 軸の範囲にスケールします
const changeInX =
((xValues[index] - xValues[prevX]) / rangeOfX) * VIEWPORT_SCALE;
const smoothingWeightAdj = Math.pow(smoothingWeight, changeInX);
lastY = lastY * smoothingWeightAdj + yPoint;
debiasWeight = debiasWeight * smoothingWeightAdj + 1;
return lastY / debiasWeight;
});
x 値について、その前後にある点に基づいてスムージング後の値を計算します。
このアルゴリズムがライブデータに適用される様子を確認するには、対話型 W&B report の ガウススムージング セクションをご覧ください。
移動平均は、指定した x 値の前後にあるウィンドウ内の点の平均値で、その点を置き換えるスムージング アルゴリズムです。詳しくは、Wikipedia の「Boxcar Filter」を参照してください。移動平均のパラメーターでは、移動平均の計算に含める点の数を指定します。
点が x 軸上で不均等な間隔で配置されている場合は、代わりにガウス スムージングを使用してください。点の密度が変化すると、幅が固定されたウィンドウでは誤解を招く平均値になる可能性があるためです。
このアルゴリズムがライブ データに適用された例を確認するには、インタラクティブな W&B report の移動平均セクションを参照してください。
指数移動平均 (EMA) スムージングアルゴリズムは、指数ウィンドウ関数を使って時系列データを平滑化する経験則的な手法です。この手法の詳細については、Exponential Smoothingを参照してください。範囲は 0 から 1 です。時系列の初期の値がゼロ方向に偏らないよう、デバイアス項が追加されます。
ほとんどの場合、EMA スムージングは、先にバケット化してからスムージングするのではなく、履歴全体を走査して適用されます。この方法のほうが、通常はより正確なスムージング結果が得られます。
ただし、次のような場合は、EMA スムージングは代わりにバケット化の後に適用されます。
- サンプリング
- グループ化
- 式
- 非単調な x 軸
- 時間ベースの x 軸
以下は、この仕組みが内部でどのように動作するかを示すサンプルコードです。
data.forEach(d => {
const nextVal = d;
last = last * smoothingWeight + (1 - smoothingWeight) * nextVal;
numAccum++;
debiasWeight = 1.0 - Math.pow(smoothingWeight, numAccum);
smoothedData.push(last / debiasWeight);
