দৈনিক, সাপ্তাহিক এবং বার্ষিক পর্যায়ক্রমিক সাথে প্রতি ঘন্টা সময় সিরিজ পূর্বাভাস


12

প্রধান সম্পাদনা: ডেভ অ্যান্ড নিকের প্রতিক্রিয়ার জন্য আমি এ পর্যন্ত তাদেরকে ধন্যবাদ জানাতে চাই। সুসংবাদটি হ'ল আমি কাজ করার লুপ পেয়েছি (ব্যাচের পূর্বাভাসের বিষয়ে অধ্যাপক হাইডম্যানের পোস্ট থেকে মূলত ধার করা)। বকেয়া প্রশ্নগুলি একীভূত করতে:

ক) অটো.রিমার জন্য আমি কীভাবে সর্বাধিক সংখ্যক পুনরাবৃত্তি বৃদ্ধি করব - মনে হয় প্রচুর সংখ্যক বহির্মুখী ভেরিয়েবলের সাথে অটো.রিমা চূড়ান্ত মডেলটিতে রূপান্তরিত করার আগে সর্বাধিক পুনরাবৃত্তিকে আঘাত করছে। আমি যদি এই ভুল বুঝতে পারি তবে দয়া করে আমাকে সংশোধন করুন।

খ) নিকের একটি উত্তর হাইলাইট করে যে আমার প্রতি ঘন্টা ব্যবধানের জন্য ভবিষ্যদ্বাণীগুলি কেবল সেই ঘন্টার মধ্যে অন্তর থেকে নেওয়া হয় এবং আগের দিনের ঘটনাগুলি দ্বারা প্রভাবিত হয় না। আমার প্রবৃত্তি, এই ডেটা নিয়ে কাজ করা থেকে, আমাকে বলুন যে এটি প্রায়শই একটি গুরুত্বপূর্ণ সমস্যার কারণ না হয় তবে আমি কীভাবে এটি মোকাবেলা করতে পারি সে সম্পর্কে পরামর্শের জন্য উন্মুক্ত।

গ) ডেভ উল্লেখ করেছে যে আমার ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলি ঘিরে সীসা / পিছনের সময়গুলি সনাক্ত করতে আমার আরও অনেক পরিশীলিত পদ্ধতির প্রয়োজন। আর-এ এই বিষয়ে একটি প্রোগ্রাম্যাটিক পদ্ধতির সাথে কারও কি কোনও অভিজ্ঞতা আছে? আমি অবশ্যই আশা করি এর সীমাবদ্ধতা থাকবে তবে আমি এই প্রকল্পটি যথাসম্ভব নিতে চাই এবং আমি সন্দেহ করি না যে এটি অবশ্যই এখানে অন্যদেরও কাজে লাগবে।

২) নতুন ক্যোয়ারী তবে হাতে থাকা টাস্কের সাথে পুরোপুরি সম্পর্কিত - অর্ডার নির্বাচন করার সময় অটো.রিমা কি রেজিস্ট্রারগুলিকে বিবেচনা করে?

আমি একটি দোকানে পরিদর্শন পূর্বাভাস চেষ্টা করছি। চলন্ত ছুটি, লিপ বছর এবং ছড়িয়ে ছিটিয়ে থাকা ইভেন্টগুলি (মূলত আউটলিয়ার্স) এর জন্য আমার অ্যাকাউন্ট করার দক্ষতা প্রয়োজন; এই ভিত্তিতে আমি একত্রিত হয়েছি যে একাধিক seasonতু এবং সেই সাথে বর্ণিত বিষয়গুলির মডেল করার জন্য এক্সওজেনাস ভেরিয়েবলগুলি ব্যবহার করে আরিম্যাক্স আমার সেরা বাজি।

ডেটা 24 ঘন্টা প্রতি ঘন্টা অন্তর অন্তর্ভুক্ত রেকর্ড করা হয়। এটি আমার সমস্যাগুলিতে শূন্যের পরিমাণের কারণে সমস্যাযুক্ত হিসাবে প্রমাণিত হচ্ছে, বিশেষত দিনের বেলাতে যা খুব কম পরিমানে পরিদর্শন করে, কখনও কখনও দোকানটি খোলার পরে কখনই হয় না। এছাড়াও, প্রারম্ভের সময়গুলি তুলনামূলকভাবে ভুল।

এছাড়াও, 3 বছর + historicalতিহাসিক তথ্য সহ একটি সম্পূর্ণ সময়ের সিরিজ হিসাবে পূর্বাভাস দেওয়ার সময় গণনার সময় বিশাল। আমি অনুভব করেছি যে এটি দিনের প্রতিটি ঘন্টা পৃথক সময় সিরিজ হিসাবে গণনা করে এটি দ্রুততর করে তুলবে, এবং দিনের ব্যস্ত সময়ে এটি পরীক্ষা করার সময় উচ্চতর নির্ভুলতা পাওয়া যায় বলে মনে হয় তবে তা আবার প্রারম্ভিক / পরের ঘন্টাগুলির সাথে সমস্যা হিসাবে প্রমাণিত হয় যা ডোন ' t ধারাবাহিকভাবে দর্শন প্রাপ্ত। আমি বিশ্বাস করি যে অটো.রিমা ব্যবহার করে প্রক্রিয়াটি উপকৃত হবে তবে সর্বাধিক সংখ্যক পুনরাবৃত্তিতে পৌঁছানোর আগে এটি কোনও মডেলটিতে রূপান্তর করতে সক্ষম হবে বলে মনে হয় না (সুতরাং ম্যানুয়াল ফিট এবং সর্বাধিক ধারাটি ব্যবহার করা)।

আমি যখন 0 = 0 দেখার জন্য একটি বহির্মুখী পরিবর্তনশীল তৈরি করে 'অনুপস্থিত' ডেটা হ্যান্ডেল করার চেষ্টা করেছি আবারও, এটি দিনের ব্যস্ত সময়গুলির জন্য দুর্দান্ত কাজ করে যখন কেবল যখন কোনও দিনের জন্য ভিজিট বন্ধ থাকে না; এই দৃষ্টান্তগুলিতে, বহিরাগত পরিবর্তনশীল সফলভাবে সামনের দিকে পূর্বাভাসের জন্য হ্যান্ডেল করেছে এবং আগের দিনের বন্ধ হওয়ার প্রভাবটি সহ নয়। যাইহোক, আমি নিশ্চিত নই যে দোকানটি যেখানে উন্মুক্ত রয়েছে তবে সবসময় পরিদর্শন পাওয়া যায় না এমন নিবিড় ঘন্টাটির পূর্বাভাস দেওয়ার ক্ষেত্রে এই নীতিটি কীভাবে ব্যবহার করা যায়।

আর-তে ব্যাচের পূর্বাভাস সম্পর্কে প্রফেসর হেন্ডম্যানের পোস্টের সাহায্যে আমি ২৪ টি সিরিজের পূর্বাভাস দেওয়ার জন্য একটি লুপ স্থাপনের চেষ্টা করছি তবে এটি বেলা ১ টার পরে পূর্বাভাস দিতে চায় বলে মনে হচ্ছে না এবং কেন তা বুঝতে পারছিনা। আমি "অপটিমে ত্রুটি পেয়েছি (init [মাস্ক], আরমাফন, মেথড = আশাবাদী, হেসিয়ান = সত্য, নন-সসীম সসীম-পার্থক্য মান [1]" তবে সমস্ত সিরিজ সমান দৈর্ঘ্যের এবং আমি মূলত ব্যবহার করছি একই ম্যাট্রিক্স, আমি বুঝতে পারছি না কেন এটি হচ্ছে? এর অর্থ ম্যাট্রিক্স পুরো পদমর্যাদার নয়, না? আমি কীভাবে এটিকে এড়াতে পারি?

https://www.dropbox.com/s/26ov3xp4ayig4ws/Data.zip

date()

#Read input files
INPUT <- read.csv("Input.csv")
XREGFDATA <- read.csv("xreg.csv")

#Subset time series data from the input file
TS <- ts(INPUT[,2:25], f=7)


fcast <- matrix(0, nrow=nrow(XREGFDATA),ncol=ncol(TS))

#Create matrix of exogenous variables for forecasting.
xregf <- (cbind(Weekday=model.matrix(~as.factor(XREGFDATA$WEEKDAY)),
                    Month=model.matrix(~as.factor(XREGFDATA$MONTH)),
                Week=model.matrix(~as.factor(XREGFDATA$WEEK)),
                    Nodata=XREGFDATA$NoData,
                NewYearsDay=XREGFDATA$NewYearsDay,
                    GoodFriday=XREGFDATA$GoodFriday,
                EasterWeekend=XREGFDATA$EasterWeekend,
                    EasterMonday=XREGFDATA$EasterMonday,
                MayDay=XREGFDATA$MayDay,
                    SpringBH=XREGFDATA$SpringBH,
                SummerBH=XREGFDATA$SummerBH,
                    Christmas=XREGFDATA$Christmas,
                BoxingDay=XREGFDATA$BoxingDay))
#Remove intercepts
xregf <- xregf[,c(-1,-8,-20)]

NoFcast <- 0

for(i in 1:24) {

  if(max(INPUT[,i+1])>0) {

  #The exogenous variables used to fit are the same for all series except for the
  #'Nodata' variable. This is to handle missing data for each series
   xreg <- (cbind(Weekday=model.matrix(~as.factor(INPUT$WEEKDAY)),
                     Month=model.matrix(~as.factor(INPUT$MONTH)),
                 Week=model.matrix(~as.factor(INPUT$WEEK)),
                     Nodata=ifelse(INPUT[,i+1] < 1,1,0),
                     NewYearsDay=INPUT$NewYearsDay,
                 GoodFriday=INPUT$GoodFriday,
                     EasterWeekend=INPUT$EasterWeekend,
                 EasterMonday=INPUT$EasterMonday,
                     MayDay=INPUT$MayDay,
                 SpringBH=INPUT$SpringBH,
                     SummerBH=INPUT$SummerBH,
                 Christmas=INPUT$Christmas,
                     BoxingDay=INPUT$BoxingDay))
  xreg <- xreg[,c(-1,-8,-20)]

  ARIMAXfit <- Arima(TS[,i], 
                     order=c(0,1,8), seasonal=c(0,1,0),
                     include.drift=TRUE,
                     xreg=xreg,
                     lambda=BoxCox.lambda(TS[,i])
                     ,optim.control = list(maxit=1500), method="ML")  


  fcast[,i] <- forecast(ARIMAXfit, xreg=xregf)$mean

 } else{
  NoFcast <- NoFcast +1
 }
}

#Save the forecasts to .csv
write(t(fcast),file="fcasts.csv",sep=",",ncol=ncol(fcast))


date()

আমি যেভাবে এটি নিয়ে যাচ্ছি এবং এই স্ক্রিপ্টটি কাজ করার দিকে যে কোনও সহায়তা করার জন্য আমি গঠনমূলক সমালোচনার পুরোপুরি প্রশংসা করব। আমি সচেতন যে এখানে অন্যান্য সফ্টওয়্যার উপলব্ধ রয়েছে তবে আমি এখানে আর এবং / অথবা এসপিএসএস ব্যবহারের জন্য কঠোরভাবে সীমাবদ্ধ ...

এছাড়াও, আমি এই ফোরামে খুব নতুন - আমি যথাসম্ভব সম্পূর্ণরূপে একটি ব্যাখ্যা দেওয়ার চেষ্টা করেছি, আমার করা পূর্ববর্তী গবেষণাটি প্রদর্শন করেছি এবং পুনরুত্পাদনযোগ্য উদাহরণও সরবরাহ করতে পারি; আমি আশা করি এটি যথেষ্ট যথেষ্ট তবে দয়া করে আমার পোস্টে উন্নত করার জন্য আমি সরবরাহ করতে পারি এমন আরও কিছু আছে কিনা তা আমাকে জানান।

সম্পাদনা: নিক প্রস্তাবিত যে আমি প্রথমে দৈনিক মোট ব্যবহার করি। আমার যুক্ত করা উচিত যে আমি এটি পরীক্ষা করেছি এবং এক্সওজেনাস ভেরিয়েবলগুলি দৈনিক, সাপ্তাহিক এবং বার্ষিক seasonতুতে ক্যাপচারের পূর্বাভাস দেয় produce এটি অন্যান্য কারণগুলির মধ্যে একটি ছিল যা আমি প্রতি ঘন্টাকে একটি পৃথক সিরিজ হিসাবে পূর্বাভাস দেওয়ার চিন্তা করেছিলাম যদিও নিক যেমন উল্লেখ করেছেন যে কোনও দিন বিকেল চারটার জন্য আমার পূর্বাভাস দিনের আগের ঘন্টাগুলি দ্বারা প্রভাবিত হবে না।

সম্পাদনা: 09/08/13, লুপের সাথে সমস্যাটি কেবল পরীক্ষার জন্য আমি যে মূল আদেশটি ব্যবহার করেছি তা করানো হয়েছিল। আমার খুব শীঘ্রই এটি স্পট করা উচিত ছিল এবং উপরে এই ডেটা দিয়ে অটো.আরারিমা চালানোর চেষ্টা করার বিষয়ে আরও জরুরীতা দেওয়া উচিত - উপরে পয়েন্ট ক) এবং ডি দেখুন)।


এছাড়াও, আমি মৌখিকতার যত্ন নেওয়ার জন্য ফুরিয়ার ব্যবহার করার চেষ্টা করেছি কিন্তু একই ত্রুটিটি ফিরিয়ে দিয়েছি "অপটিমেটে ত্রুটি (init [মাস্ক], আরমাফন, মেথড = আশাবাদী, হেসিয়ান = ট্রু, অ-সসীম সীমাবদ্ধ-পার্থক্যের মান [1]" এমনকি অন্য কোনও বহিরাগত ভেরিয়েবলের সাথে নিজেই যখন ম্যাট্রিক্স হিসাবে ব্যবহার করা হয় তখন দয়া করে কেউ আমাকে কেন ব্যাখ্যা হতে পারে তার ব্যাখ্যা দিয়ে আমাকে সাহায্য করতে পারেন?
krcooke

আপনি কি ডেটা পুনরায় আপলোড করতে পারেন?
MyHeadHurts

উত্তর:


4

দুর্ভাগ্যক্রমে আপনার মিশন ব্যর্থতায় ডুবে গেছে যেহেতু আপনি আর আর এসপিএস-এ সীমাবদ্ধ রয়েছেন। আপনাকে খেলতে আসা প্রতিটি ইভেন্ট / ছুটির দিন / বহিরাগত ভেরিয়েবলের জন্য সীসা এবং পিছিয়ে থাকা সম্পর্কের কাঠামো সনাক্ত করতে হবে। আপনাকে সম্ভাব্য সময় ট্রেন্ডগুলি সনাক্ত করতে হবে যা এসপিএস করতে পারে না। একীভূত.আর সংক্ষিপ্ত পূর্বাভাস সরবরাহ করার জন্য আপনাকে প্রতি ঘন্টার পূর্বাভাসের সাথে দৈনিক ট্রেন্ডস / ভবিষ্যদ্বাণী অন্তর্ভুক্ত করতে হবে। আপনার পরামিতি পরিবর্তন এবং বৈকল্পিক পরিবর্তনের সাথে সম্পর্কিত হতে হবে। আশাকরি এটা সাহায্য করবে. আমরা অবশ্যই বছরের পর বছর ধরে automaticচ্ছিক ব্যবহারকারী-নির্দিষ্ট নিয়ন্ত্রণের ক্ষেত্রে স্বয়ংক্রিয় পদ্ধতিতে এই জাতীয় ডেটা মডেলিং করে যাচ্ছি।

সম্পাদনা: ওপি অনুরোধ হিসাবে আমি এখানে একটি সাধারণ বিশ্লেষণ উপস্থাপন করি। আমি ব্যস্ততম ঘন্টা এবং একটি দৈনিক মডেল বিকাশ হলে একটি গ্রহণ। পূর্বাভাসের পুনর্মিলন করার জন্য একটি সম্পূর্ণ বিশ্লেষণে সমস্ত 24 ঘন্টা বিকাশ করা হবে এবং একটি দৈনিক মডেলও হবে। নীচে মডেল একটি আংশিক তালিকা দেওয়া হয় এখানে চিত্র বর্ণনা লিখুন। উল্লেখযোগ্য রেজিস্ট্রারগুলি ছাড়াও (নোট করুন আসল সীসা এবং পিছনের কাঠামো বাদ দেওয়া হয়েছে) সেখানে indicতু, স্তর পরিবর্তন, দৈনিক প্রভাব, দৈনিক প্রভাবের পরিবর্তন এবং ইতিহাসের সাথে সামঞ্জস্যপূর্ণ নয় এমন অস্বাভাবিক মানগুলি প্রতিফলিত করে এমন সূচক ছিল। মডেল পরিসংখ্যান হয় এখানে চিত্র বর্ণনা লিখুন। পরবর্তী 360 দিনের পূর্বাভাসের একটি প্লট এখানে দেখানো হয়েছে এখানে চিত্র বর্ণনা লিখুন। প্রকৃত / ফিট / পূর্বাভাসের গ্রাফ ঝরঝরে ফলাফলগুলি সংক্ষিপ্তসার করেএখানে চিত্র বর্ণনা লিখুন.যখন একটি অত্যন্ত জটিল সমস্যার মুখোমুখি হয় (যেমন এই!) একজনকে প্রচুর সাহস, অভিজ্ঞতা এবং কম্পিউটার উত্পাদনশীলতা সহায়তা দিয়ে দেখাতে হবে। আপনার পরিচালনাকে কেবল পরামর্শ দিন যে সমস্যা সমাধানযোগ্য তবে প্রাথমিক সরঞ্জামগুলি ব্যবহার করে অগত্যা নয়। আমি আশা করি যে এটি আপনার প্রচেষ্টাগুলি অব্যাহত রাখতে উত্সাহ দেয় কারণ আপনার পূর্ববর্তী মন্তব্যগুলি অত্যন্ত পেশাদার, ব্যক্তিগত সমৃদ্ধকরণ এবং শেখার দিকে এগিয়ে গেছে। আমি যুক্ত করব যে এই বিশ্লেষণের প্রত্যাশিত মানটি জানা দরকার এবং অতিরিক্ত সফ্টওয়্যার বিবেচনা করার সময় সেটি গাইডলাইন হিসাবে ব্যবহার করুন। আপনার "পরিচালকগণ" কে এই চ্যালেঞ্জিং কাজটির সম্ভাব্য সমাধানের দিকে পরিচালিত করতে সহায়তার জন্য আপনার আরও জোরে কণ্ঠস্বর দরকার।

দৈনিক টোটালগুলি এবং 24 ঘন্টা প্রতি মডেলগুলির প্রত্যেকটির পর্যালোচনা করার পরে, আমি অবশ্যই প্রতিবিম্বিত করব যে দর্শনার্থীর সংখ্যা মারাত্মক উত্থানের দিকে! প্রত্যাশিত ক্রেতার এই ধরণের বিশ্লেষণটি একটি অ-ক্রয়ের পরামর্শ দেবে, যখন একজন বিক্রেতার এই অত্যন্ত নেতিবাচক অভিক্ষেপের উপর ভিত্তি করে ব্যবসায়ের বিক্রয়ের জন্য তাদের প্রচেষ্টা দ্বিগুণ করা বুদ্ধিমানের কাজ হবে।


হাই ডেভ, আমার প্রশ্নটি পড়তে এবং সাড়া দেওয়ার জন্য সময় দেওয়ার জন্য অনেক ধন্যবাদ। আমি বুঝতে পারি যে আপনার সফ্টওয়্যারটি কোনও বিকল্পের ওপরে এবং তার বাইরে চলে গেছে তবে দুর্ভাগ্যক্রমে আমার কাছে আপাতত এই বিকল্প নয়। আর এর দক্ষতাগুলি জানা কি এমন কোনও পরামর্শ আছে যা আপনি আমাকে ইতিমধ্যে যা করেছেন তার উন্নতি করার জন্য আমাকে প্রস্তাব দিতে পারেন? দয়া, শুভেচ্ছা
krcooke

@krcooke আপনি যথাযথ প্রতিক্রিয়া সনাক্ত করতে আপনার প্রতিটি নিবন্ধকের ঘুরে দেখা এবং বিকল্প সীসা / ল্যাগগুলির মধ্যে ক্রস পারস্পরিক সম্পর্ক পরীক্ষা করতে পারেন I আমি নিকের সাথে পুরোপুরি একমত যে কিছু নিবন্ধকরা কয়েক ঘন্টার জন্য দরকারী হতে পারে তবে অন্যদের জন্য নয়। আপনি প্রতি ঘন্টা পৃথকভাবে মডেল করতে পারেন 4 4 ধরণের আউটলিয়ার (নাড়ি, স্তর স্তর, মৌসুমের নাড়ি এবং সময় প্রবণতা) সনাক্ত করা যখন আপনার কার্যকারিতা থাকে এবং এসপিএসে সম্ভবত অনুপলব্ধ থাকে I আমি আপনার ডেটা ডাউনলোড করেছি এবং অটোবক্স ব্যবহার করব .আমরা সবসময় আমাদের বিশ্লেষকদের শক্ত করতে আপনার মতো "শক্ত ডেটা" খুঁজছি।
আইরিশস্ট্যাট

হাই ডেভ, আমি রেজিস্ট্রারদের বিশ্লেষণ ঘিরে আমি কী করতে পারি তা দেখতে পাবো। আমি অনুভব করেছি যে আমি যে রেজিস্ট্রারগুলি ব্যবহার করেছি তারা খুব 'স্ট্যান্ডার্ড' ছিল এবং সম্ভবত এই জাতীয় সমস্ত স্টোরগুলিতে প্রভাব ফেলবে। আমি জয়ীর ব্যাঙ্কের ছুটির সপ্তাহান্তে নিকের মন্তব্যে উদাহরণ হিসাবে ব্যবহার করেছি; এটি সম্ভবত রেজিস্টারগুলির ব্যবহার থেকে উপকৃত হবে তবে আমি এখনই এটি অন্তর্ভুক্ত করি না। আপনি ডেটা দিয়ে কী করতে পারেন তা দেখতে আমি খুব আগ্রহী! আবার ধন্যবাদ.
krcooke

7
" দুর্ভাগ্যক্রমে আপনার মিশন ব্যর্থতায় ডুবে গেছে যেহেতু আপনি আর এবং এসপিএস-এ সীমাবদ্ধ রয়েছেন। " - এই মন্তব্য, দুর্ভাগ্যক্রমে অনেক দূরে চলে গেছে; যে কোনও টুরিং-সম্পূর্ণ ভাষা অন্য কোনও লিখিত যে কোনও অ্যালগরিদম বাস্তবায়ন করতে পারে, এমনকি যদি এটি কেবল মেশিন কোডে স্যুইচগুলি উল্টানো এবং প্রোগ্রামার পুরোপুরি লেগোতে প্রয়োগ করা যায় is এমন কোনও গণনা নেই যা একটিতে প্রয়োগ করা যেতে পারে যা অন্যটিতে করা যায় না। আপনি যদি অটোবক্সের জন্য যাদুকরী বৈশিষ্ট্য দাবি না করেন তবে আমি বিশ্বাস করি যে আপনি সম্ভবত "ভ্যানিলা বিতরণে ফাংশন হিসাবে ইতিমধ্যে উপলভ্য" বলে কিছু বলতে পারছেন বলে পার্থক্য হিসাবে।
গ্লেন_বি -রিনস্টেট মনিকা

@ গ্লেেন_বি আমি যা বলতে পারি তা হ'ল আপনি যে ভ্যানিলা বিতরণ করছেন তা ব্যবহার করতে না পারলে আপনার হাতে নতুন পদ্ধতি লেখার জন্য প্রচুর সময় না পেলে সমস্যাটি সমাধানের জন্য অপর্যাপ্ত।
আইরিশস্ট্যাট

10

এটি মন্তব্যগুলির বান্ডিল ছাড়া আর কিছু নয় তবে এটি সেই ফর্ম্যাটের জন্য খুব দীর্ঘ হবে। আমি টাইম সিরিজ অপেশাদার ছাড়া আর কিছু নই, তবে আমার কাছে কিছু সহজ পরামর্শ আছে।

  1. আপনি এখানে আদেশের অধীনে থাকতে পারেন, তবে আমি মনে করি যে আপনি কী অর্জন করবেন এবং আপনার কাছে সবচেয়ে গুরুত্বপূর্ণ কী তা বিবেচনায় এর কিছুটা তীব্রতর হওয়া দরকার। দুর্ভাগ্যবশত, ভিজিটর লক্ষ্যগুলি হ'ল পূর্বাভাস। উদাহরণস্বরূপ, ধরুন এটি 4 টা বেজে গেছে এবং আপনি এক ঘন্টা আগে ভিজিটের পূর্বাভাস দিতে চান। পুরো সত্যিকারের পূর্ববর্তী সিরিজের কোনও চিকিত্সা সংহত করে সত্যই কী আপনার দরকার? এটি বাস্তব ব্যবহারিক এবং / বা বৈজ্ঞানিক লক্ষ্যগুলির কিছু বিবেচনা থেকে আসা উচিত, যা আপনার উর্ধ্বতন বা ক্লায়েন্ট দ্বারা নির্ধারিত হতে পারে বা একজন গবেষক হিসাবে আপনার নিজস্ব হতে পারে। আমার সন্দেহ হয় যে এটি বিভিন্ন কারণে বিভিন্ন উদ্দেশ্যে বিভিন্ন মডেলের প্রয়োজন রয়েছে more

  2. প্রতি ঘন্টার সিরিজটি আলাদা করে দেওয়া কতটা বোধগম্যতার তা বিবেচনা করে খুব কম বিবেচনা ছাড়াই গণনা কেটে দেওয়ার ধারণা দ্বারা চালিত বলে মনে হচ্ছে। সুতরাং, প্রভাবটি হ'ল আপনি পূর্বের 4 টা থেকে 4 মিনিটে কী ঘটছে, পূর্ববর্তী 4 বিকাল সমস্ত পর্যবেক্ষণের পূর্বাভাস দেওয়ার আগেই তথ্য ব্যবহার করবেন না (করবেন না)? আমার কাছে মনে হচ্ছে এটির মাধ্যমে অনেক কথা বলা দরকার।

  3. আপনি স্পষ্টতই টাইম সিরিজের একজন শিক্ষানবিস (এবং আমি নিজেকে সমীকরণ করছি) তবে কোনও শিক্ষার্থী এত বড় সমস্যা নিয়ে শুরু করা উচিত নয়। সত্যিই! আপনার কাছে প্রচুর ডেটা রয়েছে, বেশ কয়েকটি স্কেলে আপনার সাময়িক পর্যায় রয়েছে, খোলার সময় এবং ছুটির দিনে আপনার অনিয়ম রয়েছে, আপনার বহিরাগত ভেরিয়েবল রয়েছে: আপনি খুব কঠিন সমস্যাটি বেছে নিয়েছেন। (প্রবণতাগুলি সম্পর্কে কী বলা যায়?) এটি বলা সহজ, তবে স্পষ্টতই এটি আপনাকে এতদূর পেরিয়েছে: আপনাকে প্রথমে সমস্যার খুব সরল সংস্করণে কাজ করতে হবে এবং কীভাবে সহজ মডেলগুলি ফিট করতে পারে তার জন্য অনুভূতি পেতে পারেন। একটি বড় জটিল মডেলটিতে সবকিছু ছুঁড়ে ফেলা স্পষ্টতই ভাল কাজ করছে না এবং মূলত সরল কিছু মনে করা দরকার, বা এই উপলব্ধিটি সম্ভবত প্রকল্পটি খুব উচ্চাকাঙ্ক্ষী।


হাই নিক, 1- প্রকৃতপক্ষে আমি আদেশের আওতায় আছি! লক্ষ্যটি একটি মডেল তৈরির চেষ্টা করা যাতে এটি উল্লেখযোগ্যভাবে অতিরিক্ত পূর্বাভাস না দেয় (ফলস্বরূপ কর্মীদের সময় নষ্ট হয়) বা আন্ডার-পূর্বাভাস (যাতে কর্মীরা অতিরিক্ত চাকা না হয়)। 2- আমি এটি বিবেচনা করেছিলাম তবে আমি কীভাবে / কীভাবে হারিয়েছি তা বুঝতে আরও গভীর খনন করা উচিত। একটি সিরিজ হিসাবে পূর্বাভাস হিসাবে আপনি এটি রেখেছিলেন একটি 'সুপার মডেল' অনুরূপ। 3- আমি জানি যে এটি অত্যন্ত কঠিন এবং আমি এই মুহুর্তে আমার ওজনের উপরে চাপ দিচ্ছি, তবে একটি সহজ সমাধানের জন্য আমি সম্পূর্ণ উন্মুক্ত, যা এখানেও আমার পক্ষে কাজ করবে। আপনার চিন্তার জন্য অনেক ধন্যবাদ, নিক।
krcooke

এটি সহজ সমাধানগুলির শর্তাবলী, আমি গত বছরের জুবিলী সপ্তাহের সময়কালে এই বছর (একই সময়কাল) অত্যধিক পূর্বাভাসের কারণ হিসাবে এমনভাবে ক্ষতিকারক স্মুথিং কৌশলগুলি কাজ করতে পারিনি। জড়িত থাকা বাছাইকারীদের ধরণের কারণে আমার মনে হয়েছিল যে আমাকে একেবারে বহির্মুখী ভেরিয়েবলগুলি ব্যবহার করতে হবে। আমি এক্সপ্লোর করতে পারে যে অন্য কোন ধারণা পেয়েছেন?
krcooke

আমি কেবল বলতে পারি যে আমি যদি আদেশের অধীনে থাকতাম এবং আপনি এখানে যথাযথভাবে তথ্য দেন তবে আমি কী করব। আমার প্রবৃত্তিটি সর্বপ্রথম দৈনিক মোটগুলিতে একত্রিত হবে এবং সেগুলির সাথে কাজ করবে। এটা যথেষ্ট কঠিন। এখানে সমালোচনা করা অনেক সহজ ....
নিক কক্স

হাই নিক, আমার দোষ, আমি ইতিমধ্যে জানিয়ে দিয়েছিলাম যে আমি এটি চেষ্টা করেছি। দৈনিক মোটের সাথে ফলাফলগুলি যুক্তিসঙ্গতভাবে উপস্থিত হয়েছিল। যুক্তিসঙ্গত মূল শব্দ হওয়া কারণ আপনি এবং ডেভ উভয়ই বলেছেন যে এখানে আরও অনেক কিছু বিবেচনা করা উচিত। যদি এটি আগ্রহী হয় তবে আমি প্রতিদিনের ডেটাগুলিকে পুনরায় চালিত করতে পারি এবং প্রমাণ করতে পারি যে এটি সাপ্তাহিক, মাসিক এবং বার্ষিক seasonতুপরিয়াদি ক্যাপচার করছে। সে কারণেই আমি প্রতিদিনের সিরিজ হিসাবে প্রতি ঘন্টা ধরে পূর্বাভাস দেওয়ার চিন্তা করেছি।
krcooke

প্রথম সমস্যাটিতে যেমন উল্লেখ করা হয়েছিল আমার মধ্যে একটি সমস্যা হ'ল অটো.রিমা রূপান্তর করার আগে সর্বাধিক পুনরাবৃত্তি হিট করে যার কারণে আমি আরিমা () এর সাথে বেশ সাধারণীকরণ পরামিতি ব্যবহার করছি। আমি কীভাবে এটিকে কাটিয়ে উঠতে পারি তার কোনও নির্দেশনা প্রশংসিত হবে!
krcooke
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.