使用更重要的最近观察值计算平均值

Question

我正在构建一种算法，利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，我希望最近的比赛在均值计算中具有更大的权重。有没有人有这方面的经验？

Answer 1

您可以使用 np.average

进行加权平均

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

Answer 2

我认为权重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而且过于夸张而且根本不是数学！

您可以查看 Excel 解释，其中解释了数学的真正工作原理（代码基本上是数学，别忘了！）--> Excel Debunk

Answer 3

权重的定义可以基于如下某些定义的标准。 x 的因素可能会改变，或者权重列表的部分数量可能会根据要求而变化。假设三个部分 a,b,c 和 15 数据点，（假设 x 的因子朝向权重列表的末尾部分更大，因为它给出的 recent games 更重给予权重）

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

使用更重要的最近观察值计算平均值

Calculating a mean with more recent observations with greater importance

python

numpy

weighted-average