Sliding Window এবং Rolling Forecast Techniques

Time Series Analysis এবং Forecasting - টেন্সরফ্লো (TensorFlow) - Machine Learning

251

Sliding Window এবং Rolling Forecast দুটি জনপ্রিক প্রযুক্তি যা মেশিন লার্নিং এবং টাইম সিরিজ অ্যানালাইসিস (Time Series Analysis) এর ক্ষেত্রে ব্যবহৃত হয়। এই পদ্ধতিগুলি ডেটা প্রক্রিয়াকরণ ও ভবিষ্যদ্বাণী তৈরিতে সাহায্য করে, বিশেষত যখন ডেটার পরিমাণ বড় হয় এবং সিস্টেমকে সাম্প্রতিক ডেটার উপর মনোযোগ দিতে হয়। এগুলি দীর্ঘমেয়াদী পূর্বাভাসের ক্ষেত্রে খুবই কার্যকরী।


১. Sliding Window Technique

Sliding Window পদ্ধতিটি মূলত টাইম সিরিজ ডেটা প্রক্রিয়াকরণে ব্যবহৃত হয়, যেখানে একটি নির্দিষ্ট আকারের উইন্ডো একাধিক সময় পয়েন্টের উপর চলে। এই পদ্ধতিতে, উইন্ডোটি সময়ের সাথে ধীরে ধীরে স্লাইড (হল) হয় এবং প্রতিটি স্লাইডে মডেলটি নতুন ডেটার উপর প্রশিক্ষিত হয়। স্লাইডিং উইন্ডো প্রযুক্তি প্রধানত পূর্ববর্তী কিছু সময়ের ডেটাকে ব্যবহার করে ভবিষ্যদ্বাণী তৈরি করে এবং প্রতিবার নতুন ডেটা অন্তর্ভুক্ত করার জন্য উইন্ডোটি স্লাইড হয়।

উদাহরণ:

ধরা যাক, আমাদের কাছে ১০০ দিনের ডেটা রয়েছে এবং আমরা ৩০ দিনের ডেটা ব্যবহার করে ভবিষ্যদ্বাণী করতে চাই। প্রথমে, উইন্ডোটি ১ থেকে ৩০ দিন পর্যন্ত ডেটা নিয়ে মডেলটি তৈরি হবে, তারপর উইন্ডোটি একদিন এগিয়ে ২-৩১ দিন পর্যন্ত স্লাইড হবে, এবং প্রতিটি স্লাইডে নতুন ভবিষ্যদ্বাণী তৈরি হবে।

মূল বৈশিষ্ট্য:

  • ফিক্সড উইন্ডো সাইজ: উইন্ডোর আকার স্থির থাকে।
  • ডায়নামিক প্রক্রিয়া: উইন্ডো চলমান সময়ের উপর ভিত্তি করে পরিবর্তিত হয়।
  • অভ্যন্তরীণ ডেটার পরিবর্তন: সময়ের সাথে সাথে নতুন তথ্য অন্তর্ভুক্ত হয় এবং পুরনো তথ্য বাদ পড়ে।

২. Rolling Forecast Technique

Rolling Forecast পদ্ধতিটি একটি ভবিষ্যদ্বাণী পদ্ধতি যেখানে পূর্ববর্তী সময়ের ডেটার উপর ভিত্তি করে ভবিষ্যত পূর্বাভাস তৈরি হয়, এবং পূর্ববর্তী ডেটা প্রতি সময়কাল পরবর্তী পূর্বাভাসের জন্য সংশোধন করা হয়। এটি একটি চলমান প্রক্রিয়া যেখানে নতুন ডেটা দিয়ে পূর্বাভাস আপডেট করা হয়, তবে পুরনো পূর্বাভাসগুলো কখনোই হারিয়ে যায় না।

Rolling Forecast সাধারণত একটি নির্দিষ্ট সময়কালের জন্য পূর্বাভাস তৈরি করে, তারপর পরবর্তী সময়কালে পূর্বাভাসটি পুনরায় গণনা করা হয়, প্রতিবারই আগের পূর্বাভাসে নতুন ডেটা যোগ হয় এবং সংশোধিত হয়। এটি সাধারণত স্ট্যাটিস্টিক্যাল বা মেশিন লার্নিং মডেলের দ্বারা পরিচালিত হয়।

উদাহরণ:

ধরা যাক, আমরা ৬ মাস পরবর্তী বিক্রয় পূর্বাভাস করতে চাই, এবং প্রতি মাসে একটি আপডেট চাচ্ছি। প্রথমে, মডেলটি প্রথম মাসের ডেটার ওপর ভিত্তি করে পূর্বাভাস তৈরি করবে। এরপর পরবর্তী মাসে, সেই পূর্বাভাস আপডেট হবে এবং আগের মাসের ডেটা যোগ করা হবে।

মূল বৈশিষ্ট্য:

  • চলমান পূর্বাভাস: সময়ের সাথে সাথে পূর্বাভাস আপডেট হয়।
  • স্থির সময়কাল: পূর্বাভাসের জন্য নির্দিষ্ট সময়কাল থাকে, তবে এটি প্রক্রিয়ার মধ্যে চলতে থাকে।
  • ডেটার রিফ্রেশ: পূর্বাভাসগুলোর জন্য নতুন ডেটা অন্তর্ভুক্ত করা হয় এবং পূর্ববর্তী ফলাফলগুলো সংশোধন করা হয়।

Sliding Window এবং Rolling Forecast এর মধ্যে পার্থক্য

বৈশিষ্ট্যSliding WindowRolling Forecast
উইন্ডো সাইজনির্দিষ্ট (ফিক্সড) উইন্ডো সাইজসাধারণত চলমান (ডায়নামিক) পূর্বাভাসের জন্য আপডেট করা হয়
ডেটা আপডেটপূর্ববর্তী উইন্ডো সাইজ অনুযায়ী স্লাইড হয়প্রতি সময়কালে নতুন ডেটার সাথে পূর্বাভাস আপডেট হয়
পূর্বাভাসের রিফ্রেশডেটা উইন্ডো স্লাইড হওয়ার সাথে সাথে নতুন পূর্বাভাস তৈরি হয়পূর্বাভাসে নতুন ডেটা অন্তর্ভুক্ত হয়ে আপডেট হয়
পূর্বাভাসের জন্য সময়কালস্থির সময়কাল (উইন্ডো সাইজের উপর নির্ভর করে)চলমান সময়কাল (যতটুকু সময়ের পূর্বাভাস দরকার)

সারাংশ

  • Sliding Window হল একটি পদ্ধতি যেখানে পূর্ববর্তী কিছু সময়ের ডেটা নিয়ে ভবিষ্যদ্বাণী তৈরি করা হয় এবং প্রতিবার নতুন ডেটা যোগ করা হলে উইন্ডোটি স্লাইড হয়।
  • Rolling Forecast হল একটি চলমান পূর্বাভাস পদ্ধতি, যেখানে পূর্ববর্তী সময়ের ডেটার ওপর ভিত্তি করে পূর্বাভাস তৈরি হয় এবং পরবর্তী সময়ে সেগুলি আপডেট হয়।
Content added By
Promotion

Are you sure to start over?

Loading...