スムーズこれは、統計や画像処理で一般的に使用されるデータ処理方法であり、通常、データ内の主なパターンを捕捉してノイズ、構造の詳細、または過渡現象を除去してデータセットを平滑化するために近似関数が確立されます。

平滑化プロセスでは、信号のデータ ポイントが変更され、ノイズが発生する個々のデータ ポイントが削減され、隣接するデータ ポイントより下の部分がブーストされ、より滑らかな信号が得られます。

スムーズな方法

データ分析にスムージングを使用するには、主に 2 つのポイントがあります。

• 滑らかさの仮定が妥当であれば、データからより多くの情報を取得できます。
• 柔軟で堅牢な分析を提供するために、現在、平滑化にさまざまなアルゴリズムが使用されていますが、データの平滑化は通常、密度推定とヒストグラムを使用して行われます。

スムーズなアルゴリズム

• 移動平均: 繰り返しの統計調査で重要な傾向を把握するためによく使用されます。画像処理やコンピュータ ビジョンでは、スムージングはスケール スペースの表現に使用されます。
• デカルト平滑化/非重み付け平滑化: 信号内の点を m 個の接続点の平均に置き換えます。ここで、m は「平滑化幅」と呼ばれる正の整数で、通常は奇数です。

特定のアプリケーションをスムーズに実行

• 加算的平滑化
• グッド・チューリング推定
• Jelinek-Mercer スムージング (補間)
• Katz スムージング (バックオフ)
• ウィッテンベル平滑化
• 絶対割引
• Kneser – ネイスムージング