যখন আপনার প্যানেল ডেটা থাকবে, তখন আলাদা আলাদা কাজ রয়েছে যা আপনি সমাধান করার চেষ্টা করতে পারেন, যেমন সময় সিরিজের শ্রেণিবদ্ধকরণ / পেনশন বা প্যানেল পূর্বাভাস। এবং প্রতিটি কাজের জন্য, এটি সমাধান করার জন্য অনেকগুলি পদ্ধতি রয়েছে।
আপনি যখন প্যানেল পূর্বাভাস সমাধানের জন্য মেশিন লার্নিং পদ্ধতিগুলি ব্যবহার করতে চান, তখন অনেকগুলি পন্থা রয়েছে:
আপনার ইনপুট ডেটা (এক্স) সম্পর্কিত, ইউনিটগুলির (যেমন দেশ, ব্যক্তি, ইত্যাদি) আইআইডের নমুনা হিসাবে চিকিত্সা করাতে পারেন can
- সময় ধারাবাহিকটি বিন এবং প্রতিটি বিনকে পৃথক কলাম হিসাবে বিবেচনা করুন, কোনও একক সাময়িক ক্রমকে উপেক্ষা করে, সমস্ত ইউনিটের সমান বিন্যাস সহ, বিনের আকারটি অবশ্যই পর্যবেক্ষণের সময় সিরিজের পরিমাপ হতে পারে, বা আপনি উপস্থাপন করতে পারেন এবং বৃহত্তর বিনগুলিতে একত্র করতে পারেন, তারপরে টেবুলার ডেটার জন্য স্ট্যান্ডার্ড মেশিন লার্নিং অ্যালগরিদম ব্যবহার করুন,
- বা প্রতিটি ইউনিটের জন্য সময় সিরিজ থেকে বৈশিষ্ট্যগুলি আহরণ করতে হবে এবং প্রতিটি নিষ্কাশিত বৈশিষ্ট্যটি পৃথক কলাম হিসাবে আবার ব্যবহার করুন, আবার স্ট্যান্ডার্ড টেবুলার অ্যালগরিদমগুলির সাথে মিলিত হবে,
- অথবা আপনি ক্রমাগত বা বিভাগীয় টাইম সিরিজের ডেটা পর্যবেক্ষণ করছেন কিনা তার উপর নির্ভর করে বিশেষ সময় সিরিজ রিগ্রেশন / শ্রেণিবিন্যাস অ্যালগরিদম ব্যবহার করুন, এর মধ্যে বিশেষ কার্নেলের সাহায্যকারী ভেক্টর মেশিনগুলি অন্তর্ভুক্ত রয়েছে যা সময় সিরিজের সাথে সময় সিরিজের তুলনা করে।
আপনার আউটপুট ডেটা (y) সম্পর্কিত, যদি আপনি ভবিষ্যতে একাধিক সময় পয়েন্টের পূর্বাভাস দিতে চান তবে আপনি পারেন
- আপনি যে পূর্বে পূর্বাভাস দিতে চান তার প্রতিটি ধাপের জন্য একটি অনুমানকারী ফিট করুন, সর্বদা একই ইনপুট ডেটা ব্যবহার করে,
- বা প্রথম ধাপের পূর্বে এবং পূর্বাভাসের জন্য একটি একক অনুমানের সাথে মাপসই, সময় অনুসারে ইনপুট ডেটা রোল করুন, দ্বিতীয় ধাপের পূর্বাভাস ইত্যাদির জন্য পর্যবেক্ষণ করা ইনপুট ডেটাতে যুক্ত করার জন্য প্রথম পদক্ষেপের পূর্বাভাসগুলি ব্যবহার করুন।
উপরের সমস্ত পদ্ধতির মূলত প্যানেল পূর্বাভাসের সমস্যাটিকে একটি সময়ের সিরিজ রিগ্রেশন বা টেবুলার রিগ্রেশন সমস্যায় হ্রাস করে। একবার আপনার ডেটা সময় সিরিজ বা ট্যাবুলার রিগ্রেশন ফর্ম্যাটে আসার পরে আপনি ব্যবহারকারীদের জন্য যে কোনও সময়-আক্রমণকারী বৈশিষ্ট্য যুক্ত করতে পারেন।
অবশ্যই প্যানেল পূর্বাভাস সমস্যা সমাধানের জন্য অন্যান্য বিকল্প রয়েছে যেমন উদাহরণস্বরূপ, প্যানেল ডেটা বা ডিপ লার্নিং পদ্ধতির সাথে অভিযোজিত ক্লাসিকাল পূর্বাভাস পদ্ধতিগুলি যা আপনাকে সরাসরি অনুক্রমের পূর্বাভাসগুলিতে সিকোয়েন্স তৈরি করতে দেয়।