आगेअगली गाइड
जब मॉडल बदलते हैं तो एम्बेडिंग को पुनः अनुक्रमित करना
तकनीकी
तकनीकी गाइड
परिवर्तन बिंदु का पता लगाना उस समय की पहचान करता है जब किसी श्रृंखला का सांख्यिकीय व्यवहार बदलता है, जैसे कि माध्य, भिन्नता या प्रवृत्ति में परिवर्तन।
इस गाइड को सुनेंएआई-नैरेटेड · ~3 min
सीयूएसयूएम, पीईएलटी और बायेसियन दृष्टिकोण जैसी विधियां लागत, दंड और क्या परिवर्तनों का पूर्वव्यापी या ऑनलाइन पता लगाया गया है, के बारे में अलग-अलग धारणाएं बनाती हैं।
परिवर्तन बिंदु वह समय होता है जब अनुक्रम उत्पन्न करने वाली प्रक्रिया सार्थक तरीके से बदलती है। परिवर्तित गुण माध्य, भिन्नता, ढलान, वितरण या चरों के बीच संबंध हो सकता है। गुणवत्ता नियंत्रण, निगरानी और समय-श्रृंखला विश्लेषण में पता लगाना मायने रखता है क्योंकि विभिन्न व्यवस्थाओं में फिट किया गया एक एकल मॉडल परिवर्तनों को छिपा सकता है या भ्रामक पूर्वानुमान उत्पन्न कर सकता है। ऑफ़लाइन विधियाँ पूर्ण अनुक्रम का विश्लेषण करती हैं और अनुमान लगाती हैं कि परिवर्तन कहाँ हुए। वे अक्सर डेटा को खंडों में विभाजित करते हैं और खंड के भीतर की लागत और प्रत्येक परिवर्तन के लिए जुर्माना कम करते हैं। जुर्माना जटिलता को नियंत्रित करता है: बहुत कम से अधिक शोर हो सकता है, जबकि बहुत अधिक से वास्तविक परिवर्तन छूट सकते हैं। पीईएलटी कई सेटिंग्स में अनुकूल कम्प्यूटेशनल व्यवहार के साथ समर्थित लागत कार्यों और छंटाई स्थितियों के लिए एक सटीक दंडित विभाजन एल्गोरिदम है; यह सही दंड या सार्वभौमिक रनटाइम सीमा की गारंटी नहीं है। CUSUM एक अनुक्रमिक निगरानी पद्धति है जो किसी संदर्भ से विचलन के साक्ष्य एकत्र करती है। पता लगाने में देरी और झूठे अलार्म के बीच ट्रेडऑफ़ के साथ, एक सीमा निर्धारित करती है कि सिग्नल कब देना है। बायेसियन ऑनलाइन विधियाँ रन लंबाई, अंतिम परिवर्तन के बाद के समय पर संभावनाओं को बनाए रखती हैं, और अवलोकन आने पर उन संभावनाओं को अपडेट करती हैं। ये दृष्टिकोण विलंबता में भिन्न हैं और क्या वे ऐतिहासिक विभाजन को संशोधित कर सकते हैं। पाया गया परिवर्तन सांख्यिकीय साक्ष्य है, स्पष्टीकरण नहीं। यह वास्तविक प्रक्रिया हस्तक्षेप, मौसमी, सेंसर बहाव, बाहरी या डेटा-पाइपलाइन परिवर्तन को प्रतिबिंबित कर सकता है। न्यूनतम खंड लंबाई, लागत फ़ंक्शन और दंड के प्रति संवेदनशीलता का मूल्यांकन करें, और ऑटोसहसंबंध और एकाधिक निगरानी अवसरों का हिसाब रखें। यदि कई स्थानों पर खोज करने के बाद पूर्वव्यापी रूप से कोई परिवर्तन बिंदु पाया जाता है, तो इसकी स्थिति में अनिश्चितता और झूठी खोज का जोखिम मायने रखता है। परिचालन उपयोग के लिए, परिभाषित करें कि अलर्ट के बाद क्या कार्रवाई होती है और झूठे अलार्म और छूटे हुए परिवर्तनों को ट्रैक करें। एल्गोरिथम अपने उद्देश्य के अंतर्गत एक सीमा की पहचान कर सकता है; डोमेन जांच यह निर्धारित करती है कि क्या हुआ और क्या सिस्टम को प्रतिक्रिया देनी चाहिए।
एक काल्पनिक सेंसर की औसत रीडिंग रखरखाव से पहले 20 के करीब और उसके बाद 27 के करीब होती है। एक माध्य-शिफ्ट डिटेक्टर एक सीमा का अनुमान लगा सकता है, जबकि इंजीनियर यह सत्यापित करते हैं कि परिवर्तन अंशांकन या वास्तविक प्रक्रिया परिवर्तन को दर्शाता है या नहीं।
CUSUM एक संदर्भ स्तर से छोटे विचलन जमा करता है, जिससे व्यक्तिगत अवलोकन चरम न होने पर भी सिग्नल को ट्रिगर करने के लिए लगातार मामूली बदलाव की अनुमति मिलती है।
एक विश्लेषक खंड लागत और जुर्माने के साथ ऑफ़लाइन विभाजन के लिए PELT का उपयोग करता है। एक बड़ा जुर्माना आम तौर पर कई परिवर्तन बिंदु जोड़ने को हतोत्साहित करता है, जो सरल विभाजन के लिए उपयुक्त व्यापार है।
एक सेवा घटनाओं के आते ही उन पर नज़र रखती है और उन्हें त्वरित अलर्ट की आवश्यकता होती है। एक ऑनलाइन बायेसियन परिवर्तन-बिंदु विधि प्रत्येक चरण पर शासन परिवर्तन की संभावना को अद्यतन कर सकती है, जबकि ऑफ़लाइन विधियां पूर्ण पूर्ण अनुक्रम का उपयोग कर सकती हैं।
मॉनिटर किए गए आंकड़े, संदर्भ अवधि, विभाजन दंड या अलार्म सीमा और विलंबित पता लगाने की लागत का दस्तावेजीकरण करके परिवर्तन की निगरानी को अधिक कार्रवाई योग्य बनाया जा सकता है। टीमों को हस्तक्षेपों और डेटा-पाइपलाइन परिवर्तनों को लेबल करना चाहिए ताकि अलर्ट की संदर्भ में व्याख्या की जा सके। ऑफ़लाइन विश्लेषण पिछले बदलाव को समझाने में मदद कर सकता है, जबकि ऑनलाइन सिस्टम को स्पष्ट विलंबता और झूठे-अलार्म लक्ष्यों की आवश्यकता होती है। जहां उपलब्ध हो वहां अनुरूपित या लेबल किए गए बदलावों का उपयोग करके प्रदर्शन का मूल्यांकन किया जाना चाहिए, फिर सामान्य व्यवहार विकसित होने पर निगरानी की जानी चाहिए। किसी ज्ञात सीमा के कारण किसी कारण को स्वचालित रूप से जिम्मेदार ठहराने के बजाय जांच शुरू होनी चाहिए।
मुफ़्त न्यूज़लेटर
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
परिवर्तन बिंदु का पता लगाना उस समय की पहचान करता है जब किसी श्रृंखला का सांख्यिकीय व्यवहार बदलता है, जैसे कि माध्य, भिन्नता या प्रवृत्ति में परिवर्तन। सीयूएसयूएम, पीईएलटी और बायेसियन दृष्टिकोण जैसी विधियां लागत, दंड और क्या परिवर्तनों का पूर्वव्यापी या ऑनलाइन पता लगाया गया है, के बारे में अलग-अलग धारणाएं बनाती हैं।
परिवर्तन बिंदु उत्पादन प्रक्रिया के कई सांख्यिकीय गुणों में बदलाव का प्रतिनिधित्व कर सकते हैं।
अतिरिक्त परिवर्तन बिंदुओं के लिए एक जटिलता जुर्माना शुल्क, जैसे-जैसे यह बढ़ता है सरल विभाजन का पक्ष लेता है।
सीयूएसयूएम लगातार बदलावों का पता लगाने के लिए विचलन जमा करता है जो प्रति अवलोकन मामूली हो सकता है।
सीमा तब नियंत्रित होती है जब संचित साक्ष्य एक अलार्म ट्रिगर करता है और झूठे अलार्म के खिलाफ देरी को दूर करता है।
यह विधि पिछली संभावनाओं को ट्रैक करती है कि वर्तमान शासन कितने समय तक चला है।
सीखते रहो
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं
आगेअगली गाइड
जब मॉडल बदलते हैं तो एम्बेडिंग को पुनः अनुक्रमित करना
तकनीकी