আমি সময় সিরিজের ডেটাগুলিতে পরিবর্তনগুলি সনাক্ত করতে চাই, যার সাধারণত একই আকার থাকে। এখন পর্যন্ত আমি changepointআর এর জন্য প্যাকেজ cpt.mean(), cpt.var()এবং cpt.meanvar()ফাংশনগুলির সাথে কাজ করেছি । cpt.mean()PELT পদ্ধতিটি যখন ডেটা সাধারণত একটি স্তরে থাকে তখন ভাল কাজ করে। তবে আমি আরোহণের সময় পরিবর্তনগুলিও সনাক্ত করতে চাই। পরিবর্তনের উদাহরণ, আমি এটি সনাক্ত করতে চাই, এটি হ'ল বিভাগটি যেখানে হঠাৎ কালো বক্ররেখা নেমে আসে যখন এটি প্রকৃতপক্ষে লাল বিন্দুযুক্ত রেখা অনুসরণ করে। আমি cpt.var () ফাংশন নিয়ে পরীক্ষা-নিরীক্ষা করেছি, তবে আমি ভাল ফলাফল পেতে পারি না। আপনার কি কোনও প্রস্তাবনা রয়েছে (যাদের প্রয়োজনীয়ভাবে আর ব্যবহার করা উচিত নয়)?
পরিবর্তনের সাথে ডেটা এখানে রয়েছে (আর অবজেক্ট হিসাবে):
dat.change <- c(12.013995263488, 11.8460207231808, 11.2845153487846, 11.7884417180764,
11.6865425802022, 11.4703118125303, 11.4677576899063, 11.0227199625084,
11.274775836817, 11.03073498338, 10.7771805591742, 10.7383206158923,
10.5847230134625, 10.2479315651441, 10.4196381241735, 10.467607842288,
10.3682422713283, 9.7834431752935, 9.76649842404295, 9.78257968297228,
9.87817694914062, 9.3449034905713, 9.56400153361727, 9.78120084558148,
9.3445162813738, 9.36767436354887, 9.12070987223648, 9.21909859069157,
8.85136359917466, 8.8814423003979, 8.61830163359642, 8.44796977628488,
8.06957847272046, 8.37999165387824, 7.98213210294954, 8.21977468333673,
7.683960439316, 7.73213584532496, 7.98956476021092, 7.83036046746187,
7.64496198988985, 4.49693528397253, 6.3459274845112, 5.86993447552116,
4.58301192892403, 5.63419551523625, 6.67847511602895, 7.2005344054883,
5.54970477623895, 6.00011922569104, 6.882667104467, 4.74057284230894,
6.2140437333397, 6.18511450451019, 5.83973575417525, 6.57271194428385,
5.36261938326723, 5.48948831338016, 4.93968645996861, 4.52598133247377,
4.56372558828803, 5.74515428123725, 5.45931581984165, 5.58701112949141,
6.00585679276365, 5.41639695946931, 4.55361875158434, 6.23720558202826,
6.19433060301002, 5.82989415940829, 5.69321394985076, 5.53585871082265,
5.42684812413063, 5.80887522466946, 5.56660158483312, 5.7284521523444,
5.25425775891636, 5.4227645808924, 5.34778016248718, 5.07084809927736,
5.324066161355, 5.03526881241705, 5.17387528516352, 5.29864121433813,
5.36894461582415, 5.07436929444317, 4.80619983525015, 4.42858947882894,
4.33623051506001, 4.33481791951228, 4.38041031792294, 3.90012900415342,
4.04262777674943, 4.34383842876647, 4.36984816425014, 4.11641092254315,
3.83985887104645, 3.81813419810962, 3.85174630901311, 3.66434598962311,
3.4281724860426, 2.99726515704766, 2.96694634792395, 2.94003031547181,
3.20892607367132, 3.03980832743458, 2.85952185077593, 2.70595278908964,
2.50931109659839, 2.1912274016859)
মনে রাখবেন যে আপনি যদি কেবল আর কোডের জন্য জিজ্ঞাসা করছেন তবে তা এখানে অফ-টপিক হবে। আপনি যদি সাধারণ পদ্ধতিগত পরামর্শের জন্য জিজ্ঞাসা করেন তবে এটি ঠিক আছে। এটি ডাব্লু / কিছু আর কোড আসতে পারে, কিন্তু আবার, এটি নাও আসতে পারে।
—
গুং - মনিকা পুনরায়
ভাল মন্তব্য, আমি একটি সাধারণ সমাধান আগ্রহী, আর ব্যবহার করা সুবিধাজনক হবে।
—
Mlee
। আসল এবং পরিষ্কার করা প্লটটি খুব একই রকম 
। অবশিষ্টাংশের একটি প্লট (যা সর্বদা দেখানো উচিত) এখানে 
অবশিষ্টাংশের বাধ্যতামূলক এসিএফ সহ রয়েছে 
। অবশিষ্টাংশের পরিসংখ্যান সর্বদা "দ্বৈত মডেল" এর মধ্যে তুলনা তৈরিতে কার্যকর 
। প্রকৃত / ফিট / পূর্বাভাস গ্রাফ এখানে
