যখন কোনও গ্রাফ শীর্ষে এবং মালভূমিতে পৌঁছবে তখন কীভাবে সন্ধান করবেন?


9

এটি খুব বেসিক মনে হতে পারে তবে আমার এই সমস্যাটি রয়েছে: আমি উইন্ডোর আকারের 300 ডলারের সাথে ডেটার একটি সারি পেয়েছি New এক প্রান্তে নতুন ডেটা যুক্ত করা হয়, অন্য প্রান্ত থেকে পুরানো মানগুলি সরানো হয়।

আমি কাতারের ডেটা আরও কম বা কম ধারাবাহিকভাবে থাকার জন্য আশা করি, যেমন: 10,12,15,10,20, তারপরে দ্রুত বৃদ্ধি শুরু করুন: 15,10,20,22,25,26,28,30,32 ... সমস্ত উপায় 150 বা তাই। সেখানে ডেটা কিছুটা ওঠানামা করতে পারে, তারপরে এটি একই ধরণের (120,118,116,115 ...) দিয়ে নেমে যেত পুরো 20 বা তারও বেশি to

আমি প্রোগ্রামটিমে এই ডেটা সিরিজের টার্নিং পয়েন্টটি সনাক্ত করার চেষ্টা করছি, তবে আমার কোডটি আমি যা চাই তার চেয়ে প্রায়শই শিখর সনাক্ত করে। গ্রাফটি যখন বৃদ্ধি পাচ্ছে, কখন এটি একটি নির্দিষ্ট টার্নিং পয়েন্টে পৌঁছে এবং কখন এটি পড়তে শুরু করে আমি কীভাবে সনাক্ত করব? আমি কি পরিবর্তনের হার পরিবর্তনের হারটি দেখার চেষ্টা করব?


আপনার যদি শিখরের theাল এবং উচ্চতা সম্পর্কে যুক্তিসঙ্গত ধারণা থাকে তবে আপনি কী উচ্চতা এবং এটি কত দিন ধরে আরোহণ করছে তা পাশাপাশি বর্তমান slাল উভয়ই বিবেচনা করতে পারেন? আপনার চূড়ায় পূর্বের কতটা ডেটা রয়েছে এবং আপনি কী কোনও মডেল ফিট করার জন্য এটি ব্যবহার করতে পারেন?
কার্ল

2
পদ্ধতি যাই হোক না কেন, আপনাকে সঠিকভাবে নির্ধারণ করতে হবে কোনটি শীর্ষ এবং কোন মালভূমি কোনটি is দুটি পরপর 'উচ্চ' মান কি একটি শীর্ষ বা একটি মালভূমি? পাঁচটা কেমন? কিছু পদ্ধতির এই তথ্যের প্রয়োজন নাও দেখাতে পারে তবে এটি পর্দার আড়ালে লুকিয়ে রয়েছে। সর্বদা হিসাবে, এটি আপনার সমস্যার যথাযথ সংজ্ঞা দেওয়ার জন্য নেমে আসে এবং এর জন্য আপনার পরামিতিগুলি (এবং / অথবা অ্যালগরিদম) অনুকূল করে তোলে।
নিক সাব্বে

উত্তর:


2

আপনি যদি জানেন যে এটি হ'ল প্রত্যাশার সঠিক প্যাটার্ন, তবে আপনি এই সঠিক প্যাটার্নটি সন্ধান করতে পারেন, তবে তারপরে আপনি অন্যান্য নিদর্শনগুলি মিস করবেন। So. আপনি যদি জানেন যে শিখরটি 150 হবে, তবে আপনি 2 বা 3 বা 4 বা (তবে অনেকগুলি) একটানা 150 এর মান খুঁজে পেতে পারেন But তবে আপনি "বা তাই" বলছেন - "বা তাই" কত বড়? সম্ভবত শিখরটি "১৩০ এরও বেশি ধারাবাহিক মান" হিসাবে সংজ্ঞায়িত হয়েছে বা এটি সম্ভবত "140 এর বেশি টানা 5 টির মধ্যে 3"। এটা আপনার সিদ্ধান্ত নেওয়ার জন্য।

অন্যদিকে, আপনি যদি শিখর সনাক্ত করতে কেবল কোনও সাধারণ প্রোগ্রাম সন্ধান করছেন - ভাল, এটি লক্ষ্য করা গেছে। স্মুথিং পদ্ধতিগুলির একটি গুচ্ছ রয়েছে (উদাঃ লোস, বিভিন্ন ধরণের স্প্লাইনস, চলমান গড় ইত্যাদি)। আমি যে ক্ষেত্রের ক্ষেত্রে বিশেষজ্ঞ নই, তবে এর মধ্যে প্রচুর সাহিত্য রয়েছে।


4

সিজোরের দিকে নজর দিন (সিমগনিফিক জেরো ক্রসিংস ... বা opালু, মনে নেই), যদিও এটি যুক্তিযুক্তভাবে সময়-সিরিজের সরঞ্জামের চেয়ে ক্রস-বিভাগীয় বেশি। ধারণাটি বিভিন্ন ব্যান্ডউইথগুলিতে ডেটা মসৃণ করার জন্য রয়েছে (তিন মাত্রার তিনটি ক্রম দ্বারা পৃথক) এবং স্থানীয় রিগ্রেশনের opeালটি উল্লেখযোগ্যভাবে ইতিবাচক বা নেতিবাচক (বা সিদ্ধান্তহীন) কিনা তা পরীক্ষা করার জন্য কিছু স্থানীয় পরীক্ষা প্রয়োগ করে। এটি একটি বিশ্বাসযোগ্য চিত্র তৈরি করে যা কোন বৈশিষ্ট্যগুলি রয়েছে তা নির্ধারণে আপনাকে সহায়তা করবে। (আমি আশ্চর্য হয়েছি যে কোনও বাস্তবায়ন নেই, কেবল মতলব)

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.