পরবর্তী আপপরবর্তী গাইড
স্পিচ রিকগনিশনে WFST ডিকোডিং
টেকনিক্যাল
প্রযুক্তিগত গাইড
একটি স্থির সময় সিরিজের সময়ের সাথে সাথে স্থিতিশীল পরিসংখ্যানগত আচরণ থাকে, যেমন দুর্বল স্থিরতার অধীনে একটি ধ্রুবক গড় এবং অটোকোভারিয়েন্স কাঠামো।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~3 min
পার্থক্য স্টোকাস্টিক প্রবণতাগুলিকে সরিয়ে দিতে পারে, যখন ADF এবং KPSS পরীক্ষাগুলি পরিপূরক প্রমাণ প্রদান করে যার শূন্য অনুমানগুলিকে সাবধানে ব্যাখ্যা করতে হবে।
স্থিরতা মানে প্রাসঙ্গিক বন্টন বৈশিষ্ট্য সময়ের সাথে পরিবর্তিত হয় না। কঠোর স্থিতিশীলতার জন্য সম্পূর্ণ যৌথ বন্টন সময়ের পরিবর্তনের অধীনে অপরিবর্তনীয় হতে হবে। দুর্বল স্থিরতা, সাধারণত টাইম-সিরিজ মডেলগুলিতে ব্যবহৃত হয়, এর জন্য একটি ধ্রুবক গড়, সসীম ধ্রুবক বৈচিত্র্য এবং স্বয়ংক্রিয় ভেরিয়েন্স প্রয়োজন যা ক্যালেন্ডার সময়ের পরিবর্তে শুধুমাত্র ল্যাগের উপর নির্ভর করে। অনেক পূর্বাভাস মডেল একটি স্থির বা রূপান্তরিত সিরিজের উপর নির্ভর করে কারণ পরিবর্তনের মাত্রা এবং নির্ভরতা ঐতিহাসিক সম্পর্ককে অবিশ্বস্ত করতে পারে। পার্থক্য y_t - y_(t-1) গণনা করে এবং একটি স্টোকাস্টিক প্রবণতা সরিয়ে দিতে পারে। ঋতুগত পার্থক্য y_t - y_(t-s) বিয়োগ করে, যেখানে s হল চক্রের দৈর্ঘ্য, ঋতুগত অধ্যবসায়ের জন্য। ডিফারেন্সিং ডিট্রেন্ডিং থেকে আলাদা: একটি ডিটারমিনিস্টিক প্রবণতা মডেল করা এবং অপসারণ করা যেতে পারে, যখন ইউনিট-রুট-এর মতো প্রক্রিয়ায় পার্থক্য প্রয়োজন হতে পারে। অতিরিক্ত পার্থক্য অপ্রয়োজনীয় শব্দ এবং স্বতঃসম্পর্ককে প্ররোচিত করতে পারে। রূপান্তর নির্দেশ করতে প্লট এবং প্রসঙ্গ পাশাপাশি পরীক্ষা ব্যবহার করুন। অগমেন্টেড ডিকি-ফুলার (ADF) পরীক্ষার একটি ইউনিট-রুট নাল হাইপোথিসিস আছে; প্রত্যাখ্যান করতে ব্যর্থতা একটি ইউনিট রুটের প্রমাণ নয়, বিশেষত সীমিত শক্তি সহ। KPSS পরীক্ষা তার শূন্য হিসাবে স্থিরতা ব্যবহার করে, স্তর বা প্রবণতা স্থিরতার জন্য ভিন্নতা সহ। তাদের বিপরীত নাল তাদের পরিপূরক করে তোলে। উদাহরণ স্বরূপ, কেপিএসএস প্রত্যাখ্যান করার সময় ADF প্রত্যাখ্যান করতে ব্যর্থ হওয়া সহজ স্থিরতার বিরুদ্ধে প্রমাণ দেয়, কিন্তু পরীক্ষাগুলি ল্যাগ পছন্দ, নির্ধারক পদ, নমুনার দৈর্ঘ্য এবং কাঠামোগত বিরতির জন্য সংবেদনশীল। একটি রূপান্তরের পরে, গড় এবং বৈচিত্র স্থিতিশীল দেখা যাচ্ছে কিনা, ঋতুগত নিদর্শনগুলি রয়ে গেছে কিনা এবং পরিকল্পিত মডেলের জন্য অবশিষ্ট নির্ভরতা উপযুক্ত কিনা তা পরিদর্শন করুন। একটি পরীক্ষার ফলাফল যান্ত্রিকভাবে ভিন্ন ক্রম নির্বাচন করে না। বিপরীত পূর্বাভাসের জন্য রূপান্তর সংরক্ষণ করুন, এবং পরামিতি নির্বাচনে ভবিষ্যত পর্যবেক্ষণগুলি ফাঁস এড়ান। স্থিতিশীলতা প্রক্রিয়া বা রূপান্তরিত প্রক্রিয়ার একটি সম্পত্তি, একটি পি-মান দ্বারা নিশ্চিত করা লেবেল নয়। পরবর্তী পর্যবেক্ষণের পূর্বাভাস কার্যকারিতা ব্যবহারিক চেক থেকে যায় যে নির্বাচিত উপস্থাপনা অভিপ্রেত দিগন্তকে সমর্থন করে।
একটি কাল্পনিক মাসিক সিরিজ ক্রমাগত বৃদ্ধি পায়। প্রথম পার্থক্যগুলি প্রতিটি বর্তমান মান থেকে আগের মাসের মানকে বিয়োগ করে, একটি স্তরের প্রবণতাকে মাস-থেকে-মাসে পরিবর্তনে পরিণত করে যা আরও স্থিতিশীল হতে পারে।
ADF পরীক্ষা তার ইউনিট-রুট নাল প্রত্যাখ্যান করতে ব্যর্থ হয় যখন KPSS তার স্থিরতা নাল প্রত্যাখ্যান করে। একত্রে এই ফলাফলগুলি অস্থিরতা তদন্তে সমর্থন করে, কিন্তু একা পরীক্ষাই সঠিক রূপান্তরকে প্রত্যয়িত করে না।
একটি সময় প্রবণতা ফিট করে এবং অবশিষ্ট আচরণ বিশ্লেষণ করে একটি নির্ধারক প্রবণতা সহ একটি সিরিজকে বিচ্ছিন্ন করা হয়, যখন একটি পার্থক্য-স্থির সিরিজের জন্য ভিন্নতার প্রয়োজন হতে পারে; তথ্য প্রক্রিয়া কোন পদ্ধতি উপযুক্ত তা জানায়।
একবার পার্থক্য করার পরে, একজন বিশ্লেষক রূপান্তরিত সিরিজটি প্লট করেন এবং প্রকরণ, ঋতুর ধরণ এবং স্বতঃসম্পর্ক পরীক্ষা করেন। একটি দ্বিতীয় পার্থক্য স্বয়ংক্রিয়ভাবে প্রয়োগ করা হয় না শুধুমাত্র কারণ একটি পরীক্ষা p-মান অসুবিধাজনক থেকে যায়।
টাইম-সিরিজ ওয়ার্কফ্লোতে একটি পাস/ফেল ফলাফলের উপর নির্ভর না করে প্লট, প্রক্রিয়া জ্ঞান এবং পূর্বাভাস যাচাইকরণের সাথে স্থিরতা পরীক্ষাকে একত্রিত করা উচিত। বিশ্লেষকরা ভিন্ন ক্রম, ঋতুকাল এবং নির্ধারক পদ রেকর্ড করতে পারেন, তারপর পরীক্ষা করুন যে বিপরীত রূপান্তরগুলি পূর্বাভাসের ব্যাখ্যা সংরক্ষণ করে। বিরতির জন্য নিরীক্ষণ করা এবং বৈচিত্র পরিবর্তন করা শনাক্ত করতে সাহায্য করে যখন পূর্বের স্থির উপস্থাপনা আর ফিট করে না। আরও ডেটা আসার সাথে সাথে, পরবর্তী উইন্ডোতে রোলিং করার পূর্বাভাস পুনরায় পরীক্ষা করুন এবং তুলনা করুন। ভাল রিপোর্টগুলি ব্যাখ্যা করে কী রূপান্তরিত হয়েছিল এবং কেন, তাই ডাউনস্ট্রিম ব্যবহারকারীরা ভবিষ্যতের সমস্ত ডেটার যাচাইকৃত সম্পত্তি থেকে একটি স্থিতিশীল মডেল অনুমানকে আলাদা করতে পারে।
ফ্রি নিউজলেটার
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
একটি স্থির সময় সিরিজের সময়ের সাথে সাথে স্থিতিশীল পরিসংখ্যানগত আচরণ থাকে, যেমন দুর্বল স্থিরতার অধীনে একটি ধ্রুবক গড় এবং অটোকোভারিয়েন্স কাঠামো। পার্থক্য স্টোকাস্টিক প্রবণতাগুলিকে সরিয়ে দিতে পারে, যখন ADF এবং KPSS পরীক্ষাগুলি পরিপূরক প্রমাণ প্রদান করে যার শূন্য অনুমানগুলিকে সাবধানে ব্যাখ্যা করতে হবে।
দুর্বল স্থিতিশীলতার জন্য পরম সময়ের অবস্থানের পরিবর্তে পৃথকীকরণের ব্যবধানের উপর নির্ভর করার জন্য কোভেরিয়েন্স প্রয়োজন।
প্রথম পার্থক্য y_t - y_(t-1) প্রযোজ্য, ধারাবাহিক পরিবর্তনের উপর ফোকাস করে।
ADF এর নাল হল একটি ইউনিট রুট; বিকল্প হল নির্দিষ্ট নির্ধারক শর্তাবলীর অধীনে স্থিরতা।
KPSS স্তর বা প্রবণতা স্থিরতাকে তার নাল হিসাবে বিবেচনা করে, ADF-এর ইউনিট-রুট নালকে পরিপূরক করে।
ঋতুগত পার্থক্য পর্যবেক্ষণের ধাপের সাথে তুলনা করে, যেখানে s হল চক্রের দৈর্ঘ্য।
শিখতে থাকুন
এই বিষয়ের জন্য বাছাই করা আরও গাইড
পরবর্তী আপপরবর্তী গাইড
স্পিচ রিকগনিশনে WFST ডিকোডিং
টেকনিক্যাল