作为一名分析从业者，我经常遇到嘈杂的数据（例如物联网数据）。在构建模型或机器学习算法时，平滑这些数据可能是有利的。多年来，我遇到了各种平滑技术，但从来没有能够简洁地综合何时使用一种技术而不是另一种技术。

我希望有人可以对以下任何/所有技术有所了解。如果可以将响应保持在高级/外行的解释以促进与非技术受众的交流，那就更好了。

• 快速傅里叶变换 (FFT)
• 黄土/LOWESS
• 萨维茨基-戈莱
• 高斯滤波器
• 移动平均线
• 样条
• 内核平滑

特别是，是否存在不应使用上述一种或多种方法的条件/情况？随意将其他方法/技术添加到武器库中。