মৌসুমী সমন্বয় আরও গবেষণার জন্য ডেটা প্রিপ্রোসেসিং একটি গুরুত্বপূর্ণ পদক্ষেপ। গবেষক অবশ্য প্রবণতা-চক্র-মৌসুমী পচন জন্য বিভিন্ন বিকল্প আছে। সর্বাধিক প্রচলিত (অভিজ্ঞতামূলক সাহিত্যে উদ্ধৃতি সংখ্যার বিচার করে) প্রতিদ্বন্দ্বী seasonতু পচন পদ্ধতি হ'ল এক্স -11 (12) -আরিমা, ট্রামো / আসন (উভয়ই ডেমেট্রা + এ প্রয়োগ করা হয় ) এবং এর স্টিল । উপরে বর্ণিত পচন কৌশল (বা মৌসুমী ডামি ভেরিয়েবলের মতো অন্যান্য সাধারণ পদ্ধতি) এর মধ্যে এলোমেলো পছন্দ এড়ানোর জন্য আমি মৌলিক কৌশলটি জানতে চাই যা কার্যকরভাবে alতু পচন পদ্ধতি বেছে নিতে পারে।
বেশ কয়েকটি গুরুত্বপূর্ণ অনুচ্ছেদ (আলোচনার লিঙ্কগুলিও স্বাগত জানানো হয়) হতে পারে:
- পদ্ধতির সাদৃশ্য এবং দুর্বল পয়েন্টগুলির মিল এবং পার্থক্যগুলি কী কী? যখন কোনও পদ্ধতি অন্যের চেয়ে বেশি পছন্দযোগ্য তখন কি কোনও বিশেষ ক্ষেত্রে রয়েছে?
- বিভিন্ন ক্ষয় পদ্ধতির ব্ল্যাক-বক্সের ভিতরে কী আছে আপনি সাধারণ গাইড সরবরাহ করতে পারেন?
- পদ্ধতিগুলির জন্য প্যারামিটারগুলি বেছে নেওয়ার জন্য কি বিশেষ কৌশল রয়েছে (আমি সর্বদা খেলাপিদের সাথে সন্তুষ্ট নই,
stl
উদাহরণস্বরূপ অনেকগুলি পরামিতি রয়েছে, কখনও কখনও আমি অনুভব করি যে আমি ঠিক কীভাবে এইগুলি নির্বাচন করতে জানি না)। - সময় সিরিজটি দক্ষতার সাথে সামঞ্জস্য করা হয়েছে এমন কিছু (পরিসংখ্যানগত) মাপদণ্ডের পরামর্শ দেওয়া কি সম্ভব (সংশোধনগ্রাম বিশ্লেষণ, বর্ণালী ঘনত্ব? ছোট নমুনার আকারের মানদণ্ড? দৃust়তা?)।