使用更重要的近期观察值计算平均数

Question

我正在构建一个算法，利用之前比赛的表现来预测体育比赛结果。例如，我可能有两个看起来像这样的列表：

# 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]

我可以轻松地使用以下方法计算平均数:

# calculate mean
mean_points_scored = np.mean(points_scored)

然而，我希望最近的游戏在计算平均值时能够更加重要。有没有人有相关经验？

- Aaron England

---

NumPy加权平均 - Kurtis Streutker

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)

- wilkben

Answer 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定义的方式不准确，夸张了很多，根本不是数学！您可以检查一个Excel解释，它解释了数学是如何真正工作的（代码基本上是数学，不要忘记！）-->Excel Debunk。

- veksor

Answer 3

定义权重可能基于以下特定标准。权重列表的部分数量或x的因素可能会根据要求而变化。假设有三个部分a，b，c和15个数据点，（假设x的因素在权重列表的末尾更大，因为对于“最近的游戏”，需要给予更重的权重）。

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)

Output:

102.77878787878788

- RAGHHURAAMM