নিউরাল নেটওয়ার্কগুলি যাদু নয়। যদি আপনি তাদের সাথে তাদের মতো আচরণ করেন এবং কেবল আপনার খুব খারাপ সময় যাবেন ভেবে ভেবে তাদের কাছে ডেটা ফেলে দেন।
আপনার নিজেকে থামাতে হবে এবং নিজেকে জিজ্ঞাসা করতে হবে "1970 সাল থেকে মিলিসেকেন্ডগুলি আসলে কী আমি আগ্রহী সে ইভেন্টটির ভবিষ্যদ্বাণীপূর্ণ হতে চলেছে?" আপনার সাথে সাথে উত্তরটি পৌঁছানো উচিত নয়। কেন? প্রতিটি উদাহরণের জন্য আপনি প্রকৃতপক্ষে যত্ন নেবেন (ভবিষ্যতে ঘটনাগুলি, অতীতে ইতিমধ্যে ঘটেছিল) সময়ের পরিবর্তনশীল এমন একটি মান গ্রহণ করবে যা আপনার প্রশিক্ষণ ডেটাতে সময় পরিবর্তনশীল গ্রহণ করবে এমন কোনও মানের চেয়ে বেশি। এই ধরনের পরিবর্তনশীল সাহায্য করার খুব কমই অসম্ভব। এর চেয়েও খারাপ এটি যদি আপনি সতর্ক না হন তবে ওভারফিটিং (নিউরাল নেটওয়ার্কগুলির মতো শক্তিশালী অ-রৈখিক মডেলগুলির জন্য একটি গুরুতর সমস্যা) তৈরি হতে পারে।
এখন যে বিষয়টি বোধগম্য হতে পারে তা বছরের বা মাসের সপ্তাহের মতো একটি পরিবর্তনশীল যা আপনাকে মৌসুমী বা বার্ষিক প্রভাবগুলির মডেল করতে সহায়তা করতে পারে। আমি কৃষি রোগের পূর্বাভাসে কিছু কাজ করেছি যেখানে জুলিয়ান দিনটি খুব গুরুত্বপূর্ণ পরিবর্তনশীল হিসাবে শেষ হয়েছিল। এই অভিজ্ঞতার ভিত্তিতে, আমার সন্দেহ হয় যে আপনি এই ধরণের ভেরিয়েবলটিকে অরডিনালের পরিবর্তে শ্রেণীবদ্ধ ভেরিয়েবল হিসাবে এনকোড করা থেকে ভাল হবেন, আপনার অভিজ্ঞতাটি খুব সম্ভবত হতে পারে। লক্ষ করুন যে বছরের মাস বা সপ্তাহটি পুনরাবৃত্তযোগ্য ঘটনা যা আপনার প্রশিক্ষণের ডেটাতে একাধিকবার দেখা হতে পারে এবং কেন এই পরিবর্তনশীল কোনও আর্থিক পরিণতিতে প্রভাব ফেলতে পারে তা ব্যাখ্যা করা সম্ভব। এটি ১৯is০ সাল থেকে মিলিসেকেন্ডের সাথে বৈসাদৃশ্য করুন যা কেবলমাত্র একতরফাভাবে বৃদ্ধি পাওয়া মান।
শেষ অবধি, আপনার বিবৃতিটি থেকে "বা যতক্ষণ না আমি কালামগতভাবে বাকী ডেটা এটিকে খাওয়াই আপনি এটি অপ্রয়োজনীয় সময় খাওয়াচ্ছেন?" দেখে মনে হচ্ছে আপনার নিউরাল নেটওয়ার্কগুলি কীভাবে কাজ করে তা খুব একটা ভাল উপলব্ধি নাও থাকতে পারে। একটি স্ট্যান্ডার্ড ফিডফোরওয়ার্ড নিউরাল নেটওয়ার্কের সাথে আপনার নেটওয়ার্কটি যে ক্রমটি খাওয়ানো হবে তার পূর্বাভাসের কোনও প্রভাব পড়বে না। অর্ডার প্রশিক্ষণকে প্রভাবিত করতে পারে যদি আপনি স্টোকাস্টিক বা মিনি-ব্যাচের গ্রেডিয়েন্ট বংশোদ্ভূত হন তবে এটি কেবল পুনরাবৃত্তির (ব্যাচের বিপরীতে) প্রশিক্ষণ পদ্ধতির একটি শৈল্পিক। যদি আপনি নিউরাল নেটওয়ার্কের সাথে টেম্পোরাল নির্ভরতা মডেল করতে চান তবে আপনাকে স্লাইডিং উইন্ডো বা পুনরাবৃত্ত নিউরাল নেটওয়ার্কের মতো কিছু ব্যবহার করতে হবে।