数据平滑定义和示例|

它是什么：

数据平滑 是一种统计技术，包括从数据集中移除异常值以便模式更加明显。

工作原理（示例）：

例如，假设一所大学正在分析过去10年的犯罪数据。暴力犯罪的数量看起来像这样：

正如你所看到的，大部分时间大学每年经历的犯罪少于15次。然而，在2006年和2007年，由于大学公共安全团队的实验报告要求，它经历了44次。报告实验改变了暴力犯罪的定义，将这些年来的任何类型的盗窃都包括在内，这导致了校园内“暴力”犯罪数量的大幅增加。如果我们将这些年份平均包括在内 - 也就是说，如果我们做一些数据平滑处理 - 大学平均每年经历大约19次暴力犯罪。但是如果我们离开这些年，我们可以看到，一个更现实的平均值是每年13起暴力犯罪 - 相差32％。

为什么重要：

平滑数据有许多方法，包括使用移动平均值和算法。这个想法是，数据平滑使模式更加明显，从而有助于预测股票价格，客户趋势或任何其他商业信息的变化。然而，数据平滑可以忽略关键信息或使重要事实不太明显;换句话说，数据的“四舍五入”会过分强调某些数据并忽略其他数据。