近我在编写一些课件，写着写着，有些过去已经看到几百次的，但是却没认真留意的概念引起了我的注意。因为有些算法模型对大多数人来说偏应用，你只要会用就行。但是如果要讲出来，让人听懂看懂，还真不是一回事儿。里面有很多概念，看似简单，想提一下然后就跳过去，但是到了后面再写的时候，发现之前跳过去的概念又见面了，还真绕不过去。于是我决定认真搞清楚这些概念的应用，也顺带做一个理解物理和数据分析之间的桥梁。

说到阻尼，物理学上的定义有很多种，力学和机械工程领域居多，电学也有，但我们就比较少接触。我们常看到的阻尼的例子，就是弹簧振动或者单摆运动，弹性振子或摆锤在周期性的运动中，因为受到“各种能量损失的影响”，从而其运动开始趋于稳态。要么振动周期越来越小直到停摆，要么稳定在一个比较小的振幅或频率上。

这种“能量损失”中损失的能量到哪里去了，大部分是克服摩擦力去了。因此根据能量守恒，剩下用作维系原来运动的能量少了，原来的运动也就越来越趋稳了。因此，如果学数据分析的时候，突然遇上一个方法论中有“阻尼”这个名词出来，估计一般人会觉得很莫名其妙。比方说Holt指数平滑和ETS中的趋势“阻尼系数”。

可能你高中学过物理，接触过刚才说的阻尼，但是书本上的例子还是单摆，还是弹性振动，你可能还一下子联系不上这个物理概念和时间序列分析。他俩一个汪星人一个喵星人，咋就能结合在一起呢？

>>>>>>>>>>>>点击查看《物理概念在数据分析中的实践——阻尼》全文<<<<<<<<<<<<