在學習吳恩達深度學習課程時，遇到「指數加權移動平均」這一概念，看似簡單，實則深奧。本文通過乙個excel示例，加深對其理解。
以下為2023年2月份上海市日最高氣溫（℃）表對應的折線圖。
可以看出，折線圖中的溫度曲線起伏較大，十分「不平滑」。那麼，有沒有辦法讓其更平滑呢？可以考慮使用指數加權移動平均法。
注：excel原始檔已上傳至：
可以看出，β值較低時（β=0.1），移動平均曲線與原曲線差別不大；β值較高時（β=0.9（修正）），移動平均曲線相比原曲線有了明顯的「平滑」效果。
指數加權移動平均
加權移動平均法 是對觀察值分別給予不同的權數，按不同權數求得移動平均值，並以最後的移動平均值為基礎，確定 值的方法。採用加權移動平均法，是因為觀察期的近期觀察值對 值有較大影響，它更能反映近期變化的趨勢。指數移動加權平均法 是指各數值的加權係數隨時間呈指數式遞減，越靠近當前時刻的數值加權係數就越大。...
通俗解釋指數加權平均
前言 在深度學習優化演算法中，我們會涉及到指數加權平均這個概念，下面我將通過例子來一步一步引出這個概念。平均數求法 比如我們現在有100天的溫度值，要求這100天的平均溫度值。24，25，24，26，34，28，33，33，34，35 32。通過上面的公式就可以直接求出10天的平均值。而我們要介紹的...
2 2 2 指數加權平均
下面介紹一下比梯度下降更快的演算法，不過在這之前，你要了解指數加全平均。如1和2所示，指數加權實際上就是設定乙個權值。就像下圖所示 來計算是平均的多少天。如下圖所示 我們要算第100天的平均溫度可以寫成圖中下面0.9的指數形式。由上圖是每天的實際溫度，下面是0.1通過指數衰減過後的函式值。對於v 1...