@ ক্রিসটফার লাউডেন উপরে উল্লিখিত হিসাবে, সময়-সিরিজ বিশ্লেষণ এই ধরণের জিনিস জন্য সবচেয়ে উপযুক্ত। তবে, আপনি যদি আরও বেশি traditionalতিহ্যবাহী "মেশিন লার্নিং অ্যাপ্রোচ" করতে চান, অতীতে যা কিছু করেছি তা হ'ল বৈশিষ্ট্য হিসাবে আপনার ডেটাটিকে সময়ের ওভারল্যাপিং উইন্ডোগুলিতে ব্লক করা হয়, তবে পরবর্তী দিনগুলি (বা সপ্তাহগুলি পূর্বাভাস দেওয়ার জন্য এটি ব্যবহার করুন) ) ট্রাফিক।
আপনার বৈশিষ্ট্য ম্যাট্রিক্স কিছু হবে:
t1 | t2 | ... | tN
t2 | t3 | ... | tN+1
t3 | t4 | ... | tN+2
...
tW | tW+1 | ... |tN+W
tI
দিনে ট্রাফিক কোথায় I
? আপনি যে বৈশিষ্ট্যটির পূর্বাভাস করবেন তা হ'ল শেষ কলামের পরের দিন ট্র্যাফিক। সংক্ষেপে, পরের দিনের ট্র্যাফিকের পূর্বাভাস দেওয়ার জন্য ট্র্যাফিকের একটি উইন্ডো ব্যবহার করুন।
যে কোনও এমএল মডেল এর জন্য কাজ করবে।
সম্পাদন করা
প্রশ্নের জবাবে, "আপনি কীভাবে এই বৈশিষ্ট্যটির ম্যাট্রিক্স ব্যবহার করেন সে সম্পর্কে আপনি বিশদ বর্ণনা করতে পারেন":
বৈশিষ্ট্যটির ম্যাট্রিক্সের সময়কালের জন্য বিগত ট্র্যাফিককে চিহ্নিত করার মান রয়েছে (উদাহরণস্বরূপ, ১ সপ্তাহের বেশি সময় ধরে ট্রাফিক) এবং আমরা ভবিষ্যতে কিছু নির্দিষ্ট সময়ের জন্য ট্র্যাফিকের পূর্বাভাস দিতে এটি ব্যবহার করি। আমরা আমাদের historicতিহাসিক ডেটা নিই এবং historicতিহাসিক ট্র্যাফিকের একটি বৈশিষ্ট্য ম্যাট্রিক্স তৈরি করি এবং ভবিষ্যতে কোনও সময় ট্র্যাফিকের সাথে এটি লেবেল করি (উদাহরণস্বরূপ বৈশিষ্ট্যের উইন্ডোর 2 দিন পরে)। কিছু ধরণের রিগ্রেশন মেশিন লার্নিং মডেল ব্যবহার করে আমরা historicতিহাসিক ট্র্যাফিক ডেটা নিতে পারি এবং এমন একটি মডেল তৈরি করে দেখতে পারি যা আমাদের historicতিহাসিক ডেটা সেটে ট্র্যাফিক কীভাবে স্থানান্তরিত হয়েছিল তা অনুমান করতে পারে। অনুমান যে ভবিষ্যতের ট্র্যাফিক অতীতের ট্র্যাফিকের সাথে সাদৃশ্যপূর্ণ।