আমার একটানা পরিবর্তনশীল, অনিয়মিত বিরতিতে এক বছরের জন্য নমুনাযুক্ত। কিছু দিনের প্রতি ঘন্টায় একাধিক পর্যবেক্ষণ থাকে, অন্য সময়কালে কয়েক দিনের জন্য কিছুই থাকে না। এটি সময় সিরিজের নিদর্শনগুলি সনাক্ত করা বিশেষত কঠিন করে তোলে, কারণ কিছু মাস (উদাহরণস্বরূপ অক্টোবর) অত্যন্ত নমুনাযুক্ত হয়, অন্যগুলি হয় না।
আমার প্রশ্ন হল এই সময়ের সিরিজের মডেলটির সেরা পদ্ধতির কী হবে?
- আমি বিশ্বাস করি বেশিরভাগ সময়ের সিরিজ বিশ্লেষণ কৌশলগুলির (এআরএমএর মতো) একটি নির্দিষ্ট ফ্রিকোয়েন্সি দরকার। আমি ধ্রুবক নমুনা পেতে বা খুব বিশদযুক্ত ডেটার একটি উপ-সেট বাছাই করতে আমি ডেটা একত্রিত করতে পারি। উভয় বিকল্পের সাহায্যে আমি মূল ডেটাসেট থেকে কিছু তথ্য অনুপস্থিত করব যা পৃথক নিদর্শন উন্মোচন করতে পারে।
- চক্রগুলিতে সিরিজটি দ্রবীভূত করার পরিবর্তে আমি পুরো ডেটাসেটের সাহায্যে মডেলটিকে খাওয়াতে পারি এবং এটি নিদর্শনগুলি বেছে নেওয়ার আশা করতে পারি। উদাহরণস্বরূপ, আমি ঘন্টা, সপ্তাহের দিন এবং মাসকে শ্রেণিবদ্ধ ভেরিয়েবলগুলিতে রূপান্তরিত করেছি এবং ভাল ফলাফলের সাথে একাধিক রিগ্রেশন চেষ্টা করেছি (R2 = 0.71)
আমার ধারণা আছে যে এএনএন এর মতো মেশিন লার্নিংয়ের কৌশলগুলিও অসম সময় সিরিজ থেকে এই নিদর্শনগুলি বেছে নিতে পারে, তবে আমি ভাবছিলাম যে কেউ যদি এটি চেষ্টা করে থাকে, এবং আমাকে নিউরাল নেটওয়ার্কে টাইম প্যাটার্ন উপস্থাপনের সেরা উপায় সম্পর্কে কিছু পরামর্শ দিতে পারে।