प्रौद्योगिकी साझेदारी

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

       1. चल औसत

समयश्रृङ्खलादत्तांशं सुस्पष्टीकरणार्थं सरलतमा दत्तांशस्मूथिंग् पद्धतिः अस्ति । एतत् दत्तांशस्य प्रवृत्तिं रक्षन् कस्यचित् विण्डो-अन्तर्गतस्य दत्तांशबिन्दूनां औसतं गणयित्वा कोलाहलं न्यूनीकरोति ।चल औसत संकुलसरल चलसरासरी (SMA) अन्तर्भवति ।अनुक्रमणिका वाभारित चल औसत (EMA)।

        plt.rcParams['font.sans-serif'] = ['SimHei']，在整篇文章的代码中绘制图的时候加入此句代码，可以解决下图中文字标题显示不出的问题。

     1.१ सरल चलसरासरी (SMA) २.：

नियतविण्डोमध्ये दत्तांशबिन्दून् औसतं गणयित्वा दत्तांशं सुस्पष्टं कर्तुं पद्धतिः अस्ति । खिडक्याः आकारः स्निग्धीकरणस्य प्रमाणं निर्धारयति । बृहत्तरस्य विण्डो इत्यस्य परिणामः सुचारुतरं वक्रं भविष्यति परन्तु प्रवृत्तिप्रतिक्रियां मन्दं करिष्यति, यदा तु लघुतरं विण्डो दत्तांशस्य उतार-चढावस्य अनुसरणं प्रति अधिकं संवेदनशीलं भविष्यति

​

उपर्युक्तसङ्केतस्य अवगमनम् : नीलरेखाचित्रं कोडमध्ये उत्पन्नं सरणीं प्रतिनिधियति । सरलं चलसरासरीं कथं गणनीयम् : १.

विण्डो मध्ये परिवर्तनेन स्मूथिंग् इफेक्ट्, स्मूथिंग् इत्यस्य डिग्री च रक्तवर्णे परिवर्तनं भविष्यति । यदा खिडकी आकारः ३ भवति तदा द्रष्टुं शक्यते यत् कठिनः स्निग्धः भागः अन्तर्धानं जातः, रूक्षवक्रं च स्निग्धं भवति, परन्तु यदा खिडकी आकारः निरन्तरं वर्धते तदा अन्ते लघु ऋजुरेखा प्राप्यते रक्तवक्रं पूर्वानुमानवक्रम् अस्ति ।

ज्ञातव्यं यत् seaborn तथा matplotlib संकुलयोः संस्थापनं कुर्वन् >python -m pip install matplotlib अथवा pip install matplotlib https://pypi.tuna.tsinghua.edu.cn/simple अथवा pin install matplotlib The इत्यस्य उपयोगेन संस्थापनं कठिनं भवति टर्मिनल् मध्ये निम्नलिखितप्रोम्प्ट् दृश्यते ।

सञ्चिकां अनपैक् कर्तुं न शक्यते C:UsersHONORAppDataLocalTemppip-unpack-4qkfflipsimple.html (C:UsersHONORAppDataLocalTemppip-req-build-s6_3j05c तः डाउनलोड् कृतम्, सामग्री-प्रकारः: text/html); संग्रहस्वरूपं ज्ञातुं न शक्नोति
त्रुटिः: C:UsersHONORAppDataLocalTemppip-req-build-s6_3j05c इत्यस्य संग्रहस्वरूपं निर्धारयितुं न शक्यते

सफलतया संस्थापनार्थं निम्नलिखितवाक्यस्य उपयोगं कुर्वन्तु:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --विश्वसनीय-मेजबान pypi.tuna.tsinghua.edu.cn matplotlib

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --विश्वसनीय-मेजबान pypi.tuna.tsinghua.edu.cn समुद्रीजन्म

१.२ घातीयभारितचलसरासरी, ईडब्ल्यूएमए：

घातीयभारयुक्तः चलसरासरी दत्तांशबिन्दुषु घातीयभारं प्रयोज्य दत्तांशं सुस्पष्टीकरणस्य पद्धतिः अस्ति ।तस्मैअद्यतनदत्तांशबिन्दून् अधिकं भारं दत्तं भवति, कृते चप्राचीनदत्तांशबिन्दून् न्यूनतरं भारं दत्तं भवति .एतेन ईएमए अधिकं भवतिद्रुतपरिवर्तनानां निरीक्षणार्थं आदर्शःदत्तांशः ।

​

घातीयरूपेण भारितस्य चलसरासरीसङ्केतस्य अवगमनम् : तत्सम्बद्धं संकुलं आयातयन्तु, तत्सम्बद्धं सरणीं (अर्थात् नीलवर्णीयं बहुरेखां) जनयन्तु, स्मूथिंग् कारकं च परिभाषयन्तु यदा स्मूथिंग् कारकः लघुः भवति तदा स्मूथिंग् प्रभावः अधिकः भवति तद्विपरीतम् । अतः घातीयरूपेण भारितस्य चलसरासरीयाः अल्गोरिदम् कः ?

t अवधिस्य भारितचलसरासरी t+1 अवधिस्य पूर्वानुमानितमूल्यरूपेण उपयुज्यते ।

​

2. घातीय स्मूथिंग

घातीय-स्मूथिंग् इति प्रवृत्तिभिः ऋतुभिः च सह आँकडानां संसाधनार्थं सामान्यतया प्रयुक्ता समयश्रृङ्खला-दत्तांश-सुचारुकरण-पूर्वसूचना-विधिः अस्ति । ऐतिहासिकदत्तांशबिन्दुभ्यः भिन्नानि भारं नियुक्त्य नूतनतरदत्तांशेभ्यः अधिकभारं नियुक्त्य च दत्तांशस्य परिवर्तनशीलप्रवृत्तिः गृह्णाति । प्रायः पूर्वानुमानं जनयितुं घातीयसुचारुकरणस्य उपयोगः भवति, विशेषतः यदा भविष्यस्य समयबिन्दुभ्यः पूर्वानुमानं कर्तुं आवश्यकं भवति ।

घातीयस्मूथिंग् इत्यस्य मुख्यविशेषताः सन्ति- १.

1. भारित स्मूथिंग : घातीय-स्मूथिंग् इत्यनेन दत्तांशं स्मूथ् कर्तुं घातीय-भारस्य उपयोगः भवति । नवीनदत्तांशबिन्दवः अधिकं भारं प्राप्नुवन्ति, प्राचीनदत्तांशबिन्दवः तु न्यूनभारं प्राप्नुवन्ति । अस्य अर्थः अस्ति यत् अद्यतनदत्तांशस्य प्रति अधिकं संवेदनशीलं भवति, अतः दत्तांशस्य नवीनतमप्रवृत्तिः उत्तमरीत्या गृह्णाति ।

2. मुख्यानि त्रीणि रूपाणि : घातीयस्मूथिंग् इत्यस्य मुख्यतया त्रयः रूपाः सन्ति : सरलघातीयस्मूथिंग्, द्विगुणघातीयस्मूथिंग्, त्रिगुणघातीयस्मूथिंग् च । प्रत्येकं रूपं भिन्नप्रकारस्य दत्तांशस्य, प्रतिमानस्य च कृते उपयुज्यते ।

   • Simple Exponential Smoothing इत्यस्य उपयोगः प्रवृत्तिभिः ऋतुभिः च सह दत्तांशं सुस्पष्टं कर्तुं भवति ।

   • प्रवृत्तिभिः सह दत्तांशं सुस्पष्टं कर्तुं Double Exponential Smoothing इत्यस्य उपयोगः भवति परन्तु ऋतुत्वं नास्ति ।

   • Triple Exponential Smoothing इत्यस्य उपयोगः भवति यत् दत्तांशं सुचारु कर्तुं भवति यस्य प्रवृत्तिः ऋतुत्वं च भवति ।

3. पुनरावर्तनीय अद्यतन: घातीय-स्मूथिंग् एकः पुनरावर्तनीयः पद्धतिः अस्ति या पूर्व-स्मूथ्-कृत-परिणामान् नूतन-दत्तांश-बिन्दुभिः सह संयोजयित्वा अग्रिम-समय-बिन्दुस्य कृते स्मूथ्-कृत-परिणामान् उत्पादयति

4. पूर्वानुमानं कर्तुं क्षमता : घातीयस्मूथिंग् न केवलं दत्तांशं सुस्पष्टं कर्तुं उपयुज्यते, अपितु भविष्यस्य समयबिन्दुषु पूर्वानुमानं जनयितुं अपि उपयुज्यते । एतेन माङ्गस्य पूर्वानुमानं, स्टॉकमूल्यपूर्वसूचना, विक्रयपूर्वसूचना इत्यादिषु क्षेत्रेषु उपयोगी भवति ।

5. प्रयोज्यता: घातीय-स्मूथिंग् स्थिर-अस्थिर-समय-श्रृङ्खला-दत्तांशस्य कृते उपयुक्तम् अस्ति, तथा च, प्रवृत्तिम्, ऋतुत्वं, कोलाहलं च सम्यक् सम्भालितुं शक्नोति ।

6. विषय:

परिणामप्रदर्शनम् : १.

3. बहुपद फिटिंग

बहुपद फिटिंग् एकः आँकडा स्मूथिंग् तथा वक्र फिटिंग् पद्धतिः अस्ति या बहुपदकार्यस्य उपयोगं कृत्वा मूलदत्तांशस्य अनुमानं वा फिटिंग् वा करोति यत् दत्तांशस्य प्रवृत्तिः अथवा प्रतिमानं उत्तमं वर्णयितुं शक्नोति बहुपद-समायोजनस्य लक्ष्यं बहुपद-फंक्शन् अन्वेष्टुम् अस्ति यत् दत्तदत्तांशबिन्दून् उपरि गत्वा तान् बिन्दून् सम्यक् उपयुक्तं करोति ।

बहुपद फिटिंग् इत्यस्य सामान्यरूपं निम्नलिखितम् अस्ति ।

तेषु, स्वतन्त्रः चरः अस्ति, आश्रितः चरः यः आश्रितः अस्ति, बहुपदगुणकः च अस्ति । एतेषां गुणांकानाम् समायोजनेन भवान् बहुपदकार्यं दत्तांशं अधिकतया उपयुक्तं कर्तुं शक्नोति ।

बहुपदयुक्तीकरणस्य उपयोगः प्रायः निम्नलिखितपरिस्थितौ भवति ।

1. data smoothing इति: बहुपद-फिटिंग् इत्यस्य उपयोगेन दत्तांशेषु शोरं वा उतार-चढावः वा दूरीकृत्य सुचारुवक्रं प्राप्तुं शक्यते ।

2. प्रवृत्तिविश्लेषणम्: बहुपद-फिट्-इत्यस्य उपयोगः भवतः आँकडासु प्रवृत्तीनां पहिचानाय भवितुं शक्यते, यथा रेखीय-प्रवृत्तयः (प्रथम-क्रमस्य बहुपदाः), द्विघात-प्रवृत्तयः (द्वितीय-क्रमस्य बहुपदाः), अथवा उच्च-क्रम-प्रवृत्तिः

3. वक्र फिटिंग: सैद्धान्तिकप्रतिरूपस्य अथवा सैद्धान्तिकवक्रस्य सर्वोत्तमफिटं प्राप्तुं प्रयोगात्मकदत्तांशं फिट् कर्तुं बहुपदफिटिंग् इत्यस्य उपयोगः कर्तुं शक्यते।

4. दत्तांशप्रक्षेपः:बहुपदप्रक्षेपः बहुपद फिटिंग् इत्यस्य विशेषः प्रकरणः अस्ति, यः ज्ञातदत्तांशबिन्दुयोः मध्ये बहुपदस्य उपयोगेन मध्यवर्तीमूल्यानां अनुमानं करोति ।

बहुपदयुक्तेः सामान्यसिद्धान्तः अस्ति यत् समुचितं बहुपदक्रमं चयनं करणीयम् । अत्यन्तं न्यूनः आदेशः दत्तांशं सम्यक् न उपयुज्यते, यदा तु अत्यधिकः आदेशः नूतनदत्तांशस्य उतार-चढावस्य प्रति अतीव संवेदनशीलः अतिसङ्गठनस्य परिणामः भवितुम् अर्हति अतः समुचितं बहुपदक्रमस्य चयनं कुञ्जी अस्ति । त्रिपदप्रकरणः १.