中位数绝对偏差聚合 #

median_absolute_deviation 中位数绝对偏差聚合是一个单值指标聚合。中位数绝对偏差是一种变异性指标，用于衡量相对于中位数的离散程度。

与依赖平方误差项的标准偏差相比，中位数绝对偏差受异常值的影响较小，适用于描述非正态分布的数据。

中位数绝对偏差按以下方式计算：

median_absolute_deviation = median( | x<sub>i</sub> - median(x<sub>i</sub>) | )

由于内存限制，Easysearch 估计 median_absolute_deviation ，而不是直接计算它。这种估计在计算上很昂贵。您可以调整估计精度和性能之间的权衡。有关更多信息，请参阅调整估计精度。

参数说明 #

median_absolute_deviation 聚合采用以下参数。

参考样例 #

以下示例计算数据集中 DistanceMiles 字段的绝对中位数偏差：

GET sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "median_absolute_deviation_DistanceMiles": {
      "median_absolute_deviation": {
        "field": "DistanceMiles"
      }
    }
  }
}

返回内容 #

如以下返回内容所示，聚合返回了 median_absolute_deviation_DistanceMiles 变量中绝对中位数偏差的估计值：

{
  "took": 490,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 10000,
      "relation": "gte"
    },
    "max_score": null,
    "hits": []
  },
  "aggregations": {
    "median_absolute_deviation_DistanceMiles": {
      "value": 1830.917892238693
    }
  }
}

缺省值 #

在计算 median_absolute_deviation 时会忽略缺失值和空值。你可以为聚合字段的缺失实例分配一个值。有关更多信息，请参阅缺失聚合。

调整估计精度 #

中位数绝对偏差使用 t-digest 数据结构进行计算，该结构采用一个 compression 参数来平衡性能和估计精度。 compression 的较低值可以提高性能，但可能会降低估计精度，如下面的请求所示：

GET sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "median_absolute_deviation_DistanceMiles": {
      "median_absolute_deviation": {
        "field": "DistanceMiles",
        "compression": 10
      }
    }
  }
}

估计误差取决于数据集，但通常低于 5%，即使对于值低至 100 的 compression 也是如此。（此处使用的低示例值 10 是为了说明权衡效应，并不推荐。）

请注意，在以下返回中，计算时间（ took 时间）有所减少，并且估计参数的值略有下降。

作为参考，Easysearch 的最佳估计（将 compression 任意设置得非常高）对于 DistanceMiles 的中值绝对偏差是 1831.076904296875 ：

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 10000,
      "relation": "gte"
    },
    "max_score": null,
    "hits": []
  },
  "aggregations": {
    "median_absolute_deviation_DistanceMiles": {
      "value": 1836.265614211182
    }
  }
}