সময় সিরিজের পরিবর্তনগুলি সনাক্ত করুন


11

আমি একটি অ্যাপ্লিকেশন প্রোটোটাইপের একটি চিত্র জুড়ে এসেছি যা ট্রাফিক তথ্যগুলিতে উল্লেখযোগ্য পরিবর্তনগুলি ("ট্রেন্ডস" - স্পাইক / আউটলিয়ার নয়) সন্ধান করে:

বিকল্প পাঠ

আমি এমন একটি প্রোগ্রাম (জাভা, allyচ্ছিকভাবে আর) লিখতে চাই যা একই কাজ করতে সক্ষম হয় - তবে আমার পরিসংখ্যান দক্ষতা কিছুটা মরিচা হওয়ায় আমার আবার এই বিষয়টি খনন করতে হবে।

অতএব আমার কী পদ্ধতির / অ্যালগরিদম ব্যবহার / গবেষণা ব্যবহার করা উচিত?



হ্যাঁ, এবং উত্তরগুলিও একই রকম হবে।
শুক্র

উত্তর:


4

"স্ট্রাকচারাল ব্রেক" হতে পারে এমন অনেকগুলি উপায় রয়েছে।

যদি "সময় সিরিজের শেষ অংশে" ইন্টারসেপ্টে বা ট্রেন্ডের কোনও পরিবর্তন ঘটে থাকে তবে হস্তক্ষেপ সনাক্তকরণ সম্পাদনের জন্য একজনের পক্ষে ভাল উপযুক্ত হবে (এনবি এটি কোনও অনির্ধারিত নির্ধারণী পরিবর্তনশীল যেমন এর অনিবার্য প্রভাবের উল্লেখযোগ্য প্রভাবের অভিজ্ঞতাগত পরিচয় লেভেল শিফট বা ট্রেন্ডে পরিবর্তন বা একটি মৌসুমী পালসের সূচনা হিসাবে)। হস্তক্ষেপ সনাক্তকরণ হ'ল হস্তক্ষেপ মডেলিংয়ের প্রাক-কার্সার যেখানে প্রস্তাবিত পরিবর্তনশীল মডেলটিতে অন্তর্ভুক্ত থাকে। আপনি "অটোমেটিক ইন্টারভেনশন ডিটেকশন" গুগল করে ওয়েবে তথ্য সন্ধান করতে পারেন। কিছু লেখক "আউটলিয়ার সনাক্তকরণ" শব্দটি ব্যবহার করেন তবে প্রচুর পরিসংখ্যানগত ভাষার মতো এটি বিভ্রান্ত / অনর্থক হতে পারে। সনাক্ত করা হস্তক্ষেপগুলি নিম্নলিখিত যে কোনও একটি হতে পারে (অবশিষ্টাংশের মাঝামাঝি সময়ে উল্লেখযোগ্য পরিবর্তন সনাক্তকরণ);

স্তরের 1 পর্বের পরিবর্তন (অর্থাত্ একটি পালস) একটি স্তরের বহু-মেয়াদী সামঞ্জস্যপূর্ণ পরিবর্তন (অর্থাত্ ইন্টারসেপ্টে পরিবর্তন) একটি পদ্ধতিগত পালস (অর্থাত একটি মৌসুমের নাড়ি) একটি ট্রেন্ড পরিবর্তন (অর্থাত্ 1,2,3,4,5, 7,9,11,13,15 .....) এই পদ্ধতিগুলি সহজেই আর / এসএএস / মতলব এ প্রোগ্রাম করা হয় এবং নিয়মিতভাবে বাণিজ্যিকভাবে উপলভ্য সময় সিরিজের বিভিন্ন প্যাকেজগুলিতে পাওয়া যায় তবে এমন অনেকগুলি সমস্যা রয়েছে যা সম্পর্কে আপনাকে সতর্ক থাকতে হবে যেমন প্রথমে স্টোকাস্টিক কাঠামো সনাক্ত করতে হবে বা মূল সিরিজে হস্তক্ষেপ সনাক্তকরণ করা উচিত কিনা। এটি মুরগি এবং ডিমের সমস্যার মতো। এই অঞ্চলে প্রারম্ভিক কাজটি টাইপ 1 এর মধ্যে সীমাবদ্ধ ছিল এবং যেমন সম্ভবত আপনার প্রয়োজনের জন্য অপর্যাপ্ত হতে পারে কারণ আপনার উদাহরণগুলি লেভেল শিফট চিত্রিত করে।

ওয়েবে প্রচুর পরিমাণে উপাদান এবং এমনকি একটি নিখরচায় প্রোগ্রাম রয়েছে http://www.autobox.com/30day.exe এমনকি 30 দিনের জন্য আপনার নিজের ডেটা ব্যবহার করার অনুমতি দেয়। যোগী একবার বলেছিলেন এবং আপনি তাদের ফলাফলগুলি প্রতিলিপি করেছেন বলে আপনি "কেবল দেখে" অনেক কিছু শিখতে পারেন।

আপনার ব্যবহারের জন্য সঠিক সমীকরণের জন্য ওয়েব রেফারেন্সগুলি http://www.autobox.com/pdfs/autoboxusersguide.pdf এর ১৩৪ পৃষ্ঠায় শুরু হতে পারে । আমি অটোবক্সের অন্যতম লেখক।


@ স্টেফানোস: আপনি কি দয়া করে আমাকে এই অ্যাপ্লিকেশনটির নাম বলতে পারেন কারণ আমি এই সমস্যাটি মোকাবেলা করার জন্য সফ্টওয়্যার সমাধানগুলি অনুসরণ করতে সর্বদা আগ্রহী। আপনি আমার যোগাযোগের তথ্য ইমেল করতে পারেন।
আইরিশস্ট্যাট

1

সিএমপি বা চেঞ্জপয়েন্ট প্যাকেজটি আর এ চেষ্টা করুন It এটি ব্যবহারের জন্য নিখরচায়। এছাড়াও পরিবর্তন পয়েন্ট মডেল বা ক্রমিক পরিবর্তন সনাক্তকরণ গবেষণা করুন।


3
সাইটটিতে আপনাকে স্বাগতম, চেরি। বর্তমানে, এটি একটি উত্তর চেয়ে মন্তব্য বেশি। আপনি কি এই সম্পর্কে একটু বিবরণ দিতে হবে?
গুং - মনিকা পুনরায়
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.