টাইমস সিরিজের বিশ্লেষণ বনাম মেশিন লার্নিং?


10

শুধু একটি সাধারণ প্রশ্ন। আপনার যদি টাইম সিরিজের ডেটা থাকে তবে মেশিন / স্ট্যাটিস্টিকাল লার্নিং টেকনিক্সের (কেএনএন, রিগ্রেশন) মাধ্যমে টাইম সিরিজ কৌশলগুলি (ওরফে, এআরএইচ, জিআরচ, ইত্যাদি) ব্যবহার করা কখন ভাল? যদি ক্রোসঅল্টিভাইডে কোনও অনুরূপ প্রশ্ন থাকে তবে দয়া করে আমাকে এটির দিকে নির্দেশ করুন - দেখেছেন এবং একটি খুঁজে পেতে পারেন না।


1
প্রাসঙ্গিক: cs.stackexchange.com/ দাবী
আন্তন

উত্তর:


9

সাধারণ মেশিন শেখার পদ্ধতিগুলি ধরে নেয় যে আপনার ডেটা স্বাধীন এবং অভিন্নভাবে বিতরণ করা হয়েছে যা সময় সিরিজের ডেটার জন্য সত্য নয়। সুতরাং যথার্থতার দিক থেকে সময় সিরিজের কৌশলগুলির তুলনায় এগুলি একটি অসুবিধায় রয়েছে। এর উদাহরণগুলির জন্য, পূর্ববর্তী প্রশ্নগুলি দেখুন মেশিন লার্নিং এবং র্যান্ডম ফরেস্টের জন্য টাইম সিরিজের ক্রমটি অর্ডার করা অত্যধিক উপযোগী


আপনার প্রতিক্রিয়ার জন্য ধন্যবাদ. আপনার বক্তব্যটি আরও এগিয়ে যাওয়ার জন্য, দেখে মনে হচ্ছে যে মেশিন লার্নিং ডেটাগুলির মধ্যে সম্পর্কগুলি সন্ধানের বিষয়ে আরও বেশি উদ্বিগ্ন, যেখানে সময় সিরিজের বিশ্লেষণটি ডেটার কারণগুলি সঠিকভাবে সনাক্ত করার সাথে বেশি উদ্বিগ্ন - যেমন স্টোকাস্টিক কারণগুলি এটি কীভাবে প্রভাবিত করছে। আপনি কি এর সাথে একমত?
নাগি

4
না, আমি সেই সংক্ষিপ্তসারের সাথে একমত হব না।
টম মিনকা

4

ফ্রান্সিস ডায়াবোল্ড সম্প্রতি তার ব্লগে "এমএল এবং মেট্রিক্স ষষ্ঠ: এমএল এবং টিএস একনোমেট্রিক্সের মধ্যে একটি মূল পার্থক্য" পোস্ট করেছেন। আমি এর একটি সংক্ষিপ্ত সংস্করণ সরবরাহ করছি, সুতরাং সমস্ত কৃতিত্ব তার কাছে যায়। (সাহসী উপর জোর আমার।)

[এস] ট্যাটিস্টিকাল মেশিন লার্নিং (এমএল) এবং টাইম সিরিজ ইকোনোমেট্রিক্স (টিএস) এর প্রচুর মিল রয়েছে। তবে এর মধ্যে একটি আকর্ষণীয় পার্থক্য রয়েছে: শর্তসাপেক্ষ-ভিত্তিক ননলাইনারিটির নমনীয় ননপ্যারামেট্রিক মডেলিংয়ের উপর এমএলের জোর টিএস-তে কোনও বড় ভূমিকা রাখে না। <...>

[টি] বেশিরভাগ অর্থনৈতিক সময় সিরিজের গতিশীলতা (ডি-ট্রেন্ডেড, ডি-alতুযুক্ত) গতিশীলতার গুরুত্বপূর্ণ শর্তাধীন-অর্থহীন অরেণ্যতার খুব কম প্রমাণ এখানে। <...> প্রকৃতপক্ষে আমি কেবলমাত্র এক ধরণের শর্তসাপেক্ষ ননরেখা সম্পর্কে ভাবতে পারি যা (অন্তত কিছু) অর্থনৈতিক সময় সিরিজের জন্য বারবার গুরুত্বপূর্ণ হিসাবে আবির্ভূত হয়েছে: হ্যামিল্টন-স্টাইলের মার্কোভ-স্যুইচিং গতিশীলতা।

[অবশ্যই ঘরে একটি অ-রৈখিক হাতি রয়েছে: এনগল-স্টাইলের জর্চার-ধরণের গতিবিদ্যা। এগুলি আর্থিক একনোমেট্রিক্সে এবং এমনকি কখনও কখনও ম্যাক্রো-একোনোমেট্রিক্সেও অত্যন্ত গুরুত্বপূর্ণ, তবে তারা শর্তসাপেক্ষ বৈকল্পিক সম্পর্কে, শর্তাধীন উপায় নয় not]

সুতরাং টিএসে মূলত দুটি গুরুত্বপূর্ণ অ-রৈখিক মডেল রয়েছে এবং তাদের মধ্যে কেবলমাত্র শর্তসাপেক্ষে গতিশীলতার সাথে কথা বলে। এবং গুরুতরভাবে, তারা উভয়ই খুব শক্তভাবে প্যারামিট্রিক, অর্থনৈতিক এবং আর্থিক তথ্যের বিশেষত বৈশিষ্ট্যগুলির সাথে ঘনিষ্ঠভাবে তৈরি ored

সুতরাং উপসংহারটি হল:

এমএল উচ্চ-নমনীয় নন-প্যারামেট্রিক ফ্যাশনে অ-রৈখিক শর্তসাপেক্ষ-কার্যকরীকরণগুলি প্রায় অনুমানের উপর জোর দেয়। এটি টিএস-তে দ্বিগুণ অপ্রয়োজনীয় হতে দেখা যায়: উদ্বেগের জন্য খুব বেশি শর্তযুক্ত-অ-লিনিয়ারিটি নেই, এবং যখন কখনও কখনও হয়, তখন এটি সাধারণত উচ্চ-বিশেষায়িত (টাইট-প্যারামেট্রিক) ফ্যাশনে সর্বাধিক সর্বাধিক সংযুক্ত ।

আমি এখানে পুরো মূল পোস্টটি পড়ার পরামর্শ দিচ্ছি ।


+1 টি। আমি এই উত্তরটির সাথে অত্যন্ত সম্মত। সাধারণ এমএল পদ্ধতিগুলি ননপ্যারমেট্রিক মডেলিং দ্বারা চিহ্নিত করা হয় এবং এআরএমএ মডেলগুলি "টাইট-প্যারামেট্রিক" থাকাকালীন খুব শিথিল অনুমান করে।
ডিজিও

2

@ টম মিনকা বেশিরভাগ এমএল কৌশলগুলি আইডি ইনপুটগুলি ধরে নিয়েছে বলে উল্লেখ করেছেন। যদিও কয়েকটি সমাধান রয়েছে:

  1. সিস্টেমের মধ্যে 'মেমরি' এর মধ্যে অতীতের সমস্ত সিরিজ নমুনাগুলি একটি বৈশিষ্ট্য ভেক্টর হিসাবে ব্যবহার করতে পারে, যেমন: x = [x (টি -1), এক্স (টি -2), ... x (টিএম)]। তবে এটিতে 2 টি সমস্যা রয়েছে: 1) আপনার বিনিংয়ের উপর নির্ভর করে আপনার কাছে বিশাল বৈশিষ্ট্যযুক্ত ভেক্টর থাকতে পারে 2- কিছু পদ্ধতিতে বৈশিষ্ট্য ভেক্টরের স্বতন্ত্র হওয়ার জন্য বৈশিষ্ট্যগুলির প্রয়োজন হয়, যা এখানে ঘটনা নয়।

  2. অনেকগুলি এমএল কৌশল রয়েছে যা নির্দিষ্টভাবে সময় সময় সিরিজের ডেটাগুলির জন্য বিশেষভাবে ডিজাইন করা হয়েছে, উদাহরণস্বরূপ লুকানো মার্কভ মডেলগুলি, যা জব্দ সনাক্তকরণ, স্পিচ প্রসেসিং ইত্যাদির জন্য খুব সফলভাবে ব্যবহৃত হয়েছে ...

  3. অবশেষে, আমি গ্রহণ করেছি একটি গতিশীল রিগ্রেশন সমস্যা (যা সময়ের উপাদান আছে) একটি স্থিতিশীল রূপান্তর করতে 'বৈশিষ্ট্য নিষ্কাশন' কৌশল ব্যবহার করা। উদাহরণস্বরূপ, প্রিন্সিপাল ডায়নামিক্স মোড (পিডিএম) এন্টিপুট বিগত বৈশিষ্ট্য ভেক্টর ([x (টি -1), এক্স (টি -2), ... এক্স (টিএম)]) একটি স্ট্যাটিকের ([v ( 1), ভি (2), .. ভি (এল)]) একটি সিস্টেম-নির্দিষ্ট রৈখিক ফিল্টারব্যাঙ্ক (পিডিএম) দিয়ে অতীতকে সংশোধন করে মারমারেলিস, 2004 বই বা মারমারেলিস, ভ্যাসিলিস জেড দেখুন "ননলাইনারের শারীরবৃত্তীয় সিস্টেমগুলির মডেলিং পদ্ধতি । " বায়োমেডিকাল ইঞ্জিনিয়ারিং এর অ্যানালালস 25.2 (1997): 239-251 ...

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.