- Lissage par moyenne mobile exponentielle pondérée dans le temps (TWEMA)
- Lissage gaussien
- Moyenne glissante
- Lissage par moyenne mobile exponentielle (EMA)

lissage par moyenne mobile exponentielle pondérée par le temps (TWEMA) (par défaut)
L’algorithme de lissage par moyenne mobile exponentielle pondérée par le temps (TWEMA) est une technique de lissage des données de séries temporelles qui applique une décroissance exponentielle au poids des points précédents. Pour plus de détails sur cette technique, voir Exponential Smoothing. La valeur varie de 0 à 1. Un terme de correction du biais est ajouté afin que les premières valeurs de la série temporelle ne soient pas biaisées vers zéro. L’algorithme TWEMA prend en compte la densité des points sur la courbe (le nombre de valeursy par unité de plage sur l’axe X). Cela permet d’obtenir un lissage cohérent lors de l’affichage simultané de plusieurs courbes aux caractéristiques différentes.
L’exemple de code suivant montre comment cela fonctionne en interne :

Lissage gaussien
Le lissage gaussien (ou lissage par noyau gaussien) calcule une moyenne pondérée des points, où les poids correspondent à une distribution gaussienne dont l’écart type est défini comme paramètre de lissage. W&B calcule la valeur lissée pour chaque valeurx en entrée, en se basant sur les points qui la précèdent et la suivent.
Pour voir cet algorithme appliqué à des données en direct, voir la section sur le lissage gaussien du rapport W&B interactif.

Lissage par moyenne glissante
La moyenne glissante est un algorithme de lissage qui remplace un point par la moyenne des points situés dans une fenêtre avant et après la valeurx donnée. Voir « Boxcar Filter » sur Wikipedia. Le paramètre sélectionné pour la moyenne glissante indique le nombre de points à prendre en compte dans la moyenne mobile.
Si vos points sont espacés de manière irrégulière sur l’axe X, utilisez plutôt le lissage gaussien, car une fenêtre de largeur fixe peut produire des moyennes trompeuses lorsque la densité des points varie.
Pour voir cet algorithme appliqué à des données en temps réel, consultez la section sur la moyenne glissante du rapport W&B interactif.

Lissage par moyenne mobile exponentielle (EMA)
L’algorithme de lissage par moyenne mobile exponentielle (EMA) est une technique heuristique de lissage des séries temporelles à l’aide de la fonction de fenêtre exponentielle. Pour en savoir plus sur cette technique, voir Exponential Smoothing. La valeur varie de 0 à 1. Un terme de débiaisage est ajouté afin que les premières valeurs de la série temporelle ne soient pas biaisées vers zéro. Dans la plupart des cas, le lissage EMA est appliqué à un parcours complet de l’historique, plutôt qu’après un bucketing avant le lissage. Cela produit généralement un lissage plus précis. Dans les situations suivantes, le lissage EMA est appliqué après le bucketing à la place :- Échantillonnage
- Regroupement
- Expressions
- Axes x non monotones
- Axes x basés sur le temps

Masquer les données d’origine
Comparez la ligne lissée aux données brutes pour évaluer dans quelle mesure le lissage altère le signal. Par défaut, les données d’origine non lissées s’affichent dans le graphique sous la forme d’une ligne discrète en arrière-plan. Cliquez sur Afficher l’original pour désactiver cette option.