এই সমস্যাটি আসলে আগুন সনাক্তকরণ সম্পর্কিত, তবে এটি কয়েকটি তেজস্ক্রিয় ক্ষয় সনাক্তকরণ সমস্যার সাথে দৃ strongly়ভাবে অনুরূপ। যে ঘটনাটি পর্যবেক্ষণ করা হচ্ছে তা বিক্ষিপ্ত এবং অত্যন্ত পরিবর্তনশীল; সুতরাং, একটি টাইম সিরিজটি ভেরিয়েবলের মান দ্বারা বাধাগ্রস্থ শূন্যগুলির দীর্ঘ স্ট্রিং নিয়ে গঠিত।
উদ্দেশ্যটি কেবল ইভেন্টগুলি (শূন্যগুলিতে বিরতি) ক্যাপচার করা নয়, বরং ইভেন্টগুলি নিজেরাই পরিমাণগত বৈশিষ্ট্যযুক্তকরণ। তবে সেন্সরগুলি সীমাবদ্ধ, এবং "বাস্তবতা" শূন্য-শূন্য হলেও এমনকি কখনও কখনও শূন্য রেকর্ড করে। এই কারণে সেন্সরগুলির সাথে তুলনা করার সময় জিরোগুলি অবশ্যই অন্তর্ভুক্ত থাকতে হবে।
সেন্সর বি সেন্সর এ এর চেয়ে সংবেদনশীল হতে পারে এবং আমি পরিসংখ্যানগতভাবে এটি বর্ণনা করতে সক্ষম হতে চাই। এই বিশ্লেষণের জন্য, আমার কাছে "সত্য" নেই, তবে আমার কাছে সেন্সর সি রয়েছে, যা সেন্সর এএন্ডবি থেকে স্বতন্ত্র। সুতরাং আমার প্রত্যাশাটি হ'ল A / B এবং C এর মধ্যে আরও ভাল চুক্তি "সত্যের" সাথে আরও ভাল চুক্তি নির্দেশ করে। (এটি নড়বড়ে মনে হতে পারে তবে আপনি আমাকে বিশ্বাস করতে হবে - সেন্সর সম্পর্কিত অন্যান্য গবেষণা থেকে যা জানা যায় তার ভিত্তিতে আমি এখানে দৃ solid় ভিত্তিতে আছি)।
সমস্যাটি হ'ল কীভাবে "সময়ের ধারাবাহিকের আরও ভাল চুক্তি" নির্ধারণ করা যায়। সহযোগিতা হ'ল সুস্পষ্ট পছন্দ, তবে all সমস্ত শূন্য দ্বারা প্রভাবিত হবে (যা বাদ যায় না), এবং অবশ্যই সর্বোচ্চ মূল্যবোধ দ্বারা অপ্রয়োজনীয়ভাবে প্রভাবিত। আরএমএসইও গণনা করা যায়, তবে কাছাকাছি-শূন্য ক্ষেত্রে সেন্সরগুলির আচরণের প্রতি দৃ strongly়ভাবে ওজন করা হবে।
প্রশ্ন 1: অ-শূন্য মানগুলিতে লগারিদমিক স্কেলিং প্রয়োগের সর্বোত্তম উপায় কী যা পরে সময়-সিরিজের বিশ্লেষণে শূন্যের সাথে মিলিত হবে?
প্রশ্ন 2: আপনি এই ধরণের টাইম-সিরিজ বিশ্লেষণের জন্য কোন "সেরা অনুশীলনগুলি" সুপারিশ করতে পারেন, যেখানে শূন্য-অমূল্যতে আচরণ মনোযোগ কেন্দ্রীভূত হয়, তবে শূন্য মানগুলি প্রাধান্য পায় এবং বাদ যায় না?