Algorithm 在不存储操作的情况下计算一定数量操作的速率或百分比

假设我有两种类型的操作可以由用户a和B执行。我需要计算代表用户a或B执行的最后100个操作的百分比/比率。 我认为没有必要存储所有动作来计算，例如：

lastActions = [ A, A, A, B, B, A, B, A, A, A, A, B, A, B ...];

当新操作到达时，删除第一个位置的项，同时在最后一个位置添加新项。

---

我可以工作，但我相信有一个更好的解决方案来计算，我不需要行动的顺序或时间表，只需要行动占总数的百分比（过去100）。

如果你需要确切的比例，那么就不需要存储行动，以便你准确地知道何时忘记它们

如果近似答案足够好，那么可以使用简单的指数加权移动平均值。为此，请使用以下内容进行更新：

 weighted_average = 0.99 * weighted_average + 0.01 * observation

实际上，它的重量只有前100个的63.39%，下一个的23.205%，下一个的8.49%，依此类推

一般来说，如果你想要的东西看起来有点像过去

n

样本的平均值，你会分别使用

（1-1/n）

和

（1/n）

来代替

0.99

和

0.01

这个平均值将以一个偏差开始，需要几百次观察才能消失。有几种方法可以纠正这一点。最简单的方法是计算观察值，然后：

w = max(1/observations, 1/n)
weighted_average = (1 - 1/w) * weighted_average + (1/w) * observation

这将计算第一次

n次

的所有观测值的精确平均值，然后切换到指数加权

---

这项技术广泛应用于Unix负载平均值、更新神经网络和跟踪华尔街的各种财务指标等领域。

如果您需要准确的比例，则无需存储操作，以便您准确地知道何时忘记它们

如果近似答案足够好，那么可以使用简单的指数加权移动平均值。为此，请使用以下内容进行更新：

 weighted_average = 0.99 * weighted_average + 0.01 * observation

实际上，它的重量只有前100个的63.39%，下一个的23.205%，下一个的8.49%，依此类推

一般来说，如果你想要的东西看起来有点像过去

n

样本的平均值，你会分别使用

（1-1/n）

和

（1/n）

来代替

0.99

和

0.01

这个平均值将以一个偏差开始，需要几百次观察才能消失。有几种方法可以纠正这一点。最简单的方法是计算观察值，然后：

w = max(1/observations, 1/n)
weighted_average = (1 - 1/w) * weighted_average + (1/w) * observation

这将计算第一次

n次

的所有观测值的精确平均值，然后切换到指数加权

---

这项技术广泛应用于Unix负载平均值、更新神经网络和跟踪华尔街的各种财务指标等领域。

看起来不错，我将对此进行一些实际实验，并提供反馈。谢谢，我对你暴露的变量感到困惑。“观察值”、“观察值”和“n”到底是什么？

观察值

是指您进行了多少次观察<代码>观察值是当前值，例如a为1，b为0

n

是您希望平均超过的数量，在您的案例中为100。看起来不错，我将对此进行一些实际实验，并提供反馈。谢谢，我对你暴露的变量感到困惑。“观察值”、“观察值”和“n”到底是什么？

观察值

是指您进行了多少次观察<代码>观察值是当前值，例如a为1，b为0

n

是您希望平均超过的数量，在您的案例中为100。