প্রথমে আপনাকে লক্ষ্য রাখতে হবে যে আইরিশস্ট্যাট দ্বারা বর্ণিত পদ্ধতিটি আরিমা মডেলগুলির জন্য নির্দিষ্ট, কোনও মডেলগুলির জেনেরিক সেট নয়।
আপনার মূল প্রশ্নের উত্তর দিতে "সময় সিরিজের পূর্বাভাসটি স্বয়ংক্রিয় করা সম্ভব?":
হ্যাঁ তাই হয়। আমার চাহিদা পূর্বাভাসের ক্ষেত্রে, বেশিরভাগ বাণিজ্যিক পূর্বাভাস প্যাকেজগুলি তাই করে। বেশ কয়েকটি ওপেন সোর্স প্যাকেজগুলি পাশাপাশি এটি করে, বিশেষত রব হ্যান্ডম্যানের অটো.রিমা () স্বয়ংক্রিয়ভাবে এআরএমএ পূর্বাভাস) এবং ইটিএস () স্বয়ংক্রিয় সূচক পূর্বাভাস প্যাকেজ থেকে ফাংশন এই দুটি ফাংশনের বিশদ জানতে এখানে দেখুন । পিরামিড নামে অটো.রিমার একটি পাইথন বাস্তবায়ন রয়েছে , যদিও আমার অভিজ্ঞতায় এটি আর প্যাকেজগুলির মতো পরিপক্ক নয়।
আমি যে বাণিজ্যিক পণ্যগুলি উল্লেখ করেছি এবং ওপেন সোর্স প্যাকেজগুলি উভয়ই সেরা পূর্বাভাস চয়ন করার জন্য তথ্যের মানদণ্ড ব্যবহার করার ধারণার ভিত্তিতে কাজ করে: আপনি একগুচ্ছ মডেল ফিট করেন এবং তারপরে সর্বনিম্ন এআইসি, বিআইসিসি, এআইসিসি, এবং মডেল নির্বাচন করুন, ইত্যাদি .... (সাধারণত এটি নমুনা বৈধতার পরিবর্তে করা হয়)।
তবে একটি বড় সাবধানবাণী রয়েছে: এই সমস্ত পদ্ধতির মডেলগুলির একক পরিবারের মধ্যে কাজ করে। তারা আরিমা মডেলগুলির একটি সেটগুলির মধ্যে সেরা সম্ভাব্য মডেল বা তাত্পর্যপূর্ণ স্মুথিং মডেলের একটি সেটগুলির মধ্যে সেরা সম্ভাব্য মডেল চয়ন করে।
মডেলগুলির বিভিন্ন পরিবার থেকে আপনি যদি চয়ন করতে চান তবে এটি করা আরও চ্যালেঞ্জিং, উদাহরণস্বরূপ, আপনি যদি এআরআইএমএ, এক্সপেনশিয়াল স্মুথিং এবং থিতা পদ্ধতি থেকে সেরা মডেলটি বেছে নিতে চান। তত্ত্বগতভাবে, আপনি মডেলগুলির একক পরিবারের মধ্যে যেমন করেন তেমনভাবে করতে পারেন, তথ্যের মানদণ্ড ব্যবহার করে। তবে অনুশীলনে, আপনাকে বিবেচিত সমস্ত মডেলের জন্য ঠিক একইভাবে AIC বা BIC গণনা করতে হবে, এবং এটি একটি গুরুত্বপূর্ণ চ্যালেঞ্জ। সময় সিরিজ ক্রস-বৈধকরণ , বা তথ্যের মানদণ্ডের পরিবর্তে নমুনা বৈধতার বাইরে ব্যবহার করা ভাল তবে এটি আরও বেশি গণনামূলকভাবে নিবিড় (এবং কোডের জন্য ক্লান্তিকর) হবে।
ফেসবুকের নবী প্যাকেজটি জেনারেল অ্যাডিটিভ মডেলগুলির উপর ভিত্তি করে পূর্বাভাস উত্সকে স্বয়ংক্রিয় করে দেয় বিশদের জন্য এখানে দেখুন । তবে নবী শুধুমাত্র একটি একক মডেল ফিট করেছেন, যদিও অনেক পরামিতি সহ খুব নমনীয় মডেল। নবীর অন্তর্নিহিত ধারণাটি হ'ল একটি জিএএম হ'ল "এই সকলকে শাসন করার জন্য এক মডেল", যা তাত্ত্বিকভাবে ন্যায়সঙ্গত হতে পারে না তবে বাস্তব বিশ্বের পরিস্থিতিগুলির জন্য অত্যন্ত বাস্তববাদী এবং দরকারী।
উপরে বর্ণিত সমস্ত পদ্ধতির জন্য প্রযোজ্য আরেকটি সতর্কতামূলক ধারণা: সম্ভবত আপনি স্বয়ংক্রিয় সময় সিরিজের পূর্বাভাসটি করতে চান কারণ আপনি একাধিক সময় সিরিজ পূর্বাভাস করতে চান, ম্যানুয়ালি বিশ্লেষণ করার জন্য অনেক বেশি। অন্যথায় আপনি কেবল নিজের পরীক্ষা-নিরীক্ষা করতে পারেন এবং নিজেরাই সেরা মডেলটি খুঁজে পেতে পারেন। আপনার মনে রাখতে হবে যে একটি স্বয়ংক্রিয় পূর্বাভাসের পদ্ধতিটি প্রতিটি সময় সিরিজের জন্য সেরা মডেলটি কখনই খুঁজে পাবে না - এটি সমস্ত সময়ের সিরিজে গড়ে যথাযথভাবে একটি ভাল মডেল দিতে চলেছে, তবে এটি এখনও সম্ভব যে কিছু সেই সময় সিরিজের স্বয়ংক্রিয় পদ্ধতি দ্বারা নির্বাচিত মডেলের চেয়ে ভাল মডেল থাকবে। এই পোস্টটি দেখুনএর উদাহরণের জন্য এটিকে সহজভাবে বলতে গেলে, আপনি যদি স্বয়ংক্রিয় পূর্বাভাস নিয়ে যাচ্ছেন - প্রতিটি সময় সিরিজের জন্য সেরা সম্ভাব্য পূর্বাভাসের পরিবর্তে আপনাকে "যথেষ্ট যথেষ্ট" পূর্বাভাস সহ্য করতে হবে।