ബയേസിയൻ സൈക്കിൾ പ്രവചനം

മിക്ക സൈക്കിൾ apps-ഉം 28 ദിവസത്തെ അനുമാനത്തെ ഡിഫോൾട്ടായി എടുക്കുന്നു, വ്യതിയാനത്തെ ഒന്നുകിൽ അവഗണിക്കുകയോ അല്ലെങ്കിൽ കാര്യം കഴിഞ്ഞ ശേഷം തിരുത്തുകയോ ചെയ്യുന്നു. പകരം Soulwise ബയേസിയൻ പ്രവചനം ഉപയോഗിക്കുന്നു — "ഇന്ന് നിങ്ങൾ ഏത് ഘട്ടത്തിലാണ്" എന്നതിന്റെ കണക്ക് രണ്ട് കാര്യങ്ങളുടെ പോസ്റ്റീരിയർ ആകുന്ന ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതി: നിങ്ങളുടെ പൂർവകാല സൈക്കിൾ ദൈർഘ്യം (പ്രയർ), ഈ സൈക്കിളിൽ നിങ്ങൾ രേഖപ്പെടുത്തിയ ദൈനംദിന ചെക്ക്-ഇന്നുകൾ (തെളിവ്).

എന്തുകൊണ്ട് Bayesian, സ്ഥിര അല്ല

ഒരു സ്ഥിര 28-ദിവസ ചക്രം മിക്കവർക്കും ഉറപ്പോടെ തെറ്റാണ്. ക്ലിനിക്കൽ സാധാരണ പരിധി 21 മുതൽ 35 ദിവസം വരെയാണ്, മാസാമാസം വ്യക്തിഗത വ്യതിയാനം വലുതാണ്, ജീവിത സംഭവങ്ങൾ (സമ്മർദ്ദം, യാത്ര, ഉറക്കം, പരിശീലന ഭാരം) മിക്കവർ പ്രതീക്ഷിക്കുന്നതിലും കൂടുതലായി ചക്രത്തിന്റെ ദൈർഘ്യം മാറ്റുന്നു. അടിസ്ഥാന അനിശ്ചിതത്വം ഉയർന്നതായിരിക്കുമ്പോൾ ഒരു സ്ഥിര-ദൈർഘ്യ എസ്റ്റിമേറ്റർ നിങ്ങൾക്ക് കൃത്യമായ ഒരു ഫേസ് ലേബൽ നൽകുന്നു.

Bayesian എസ്റ്റിമേഷൻ നിങ്ങൾക്ക് ഒരു അനിശ്ചിതത്വ ബാൻഡ് സഹിതം ഫേസ് ലേബൽ നൽകുന്നു. ബാൻഡ് വിശാലമായിരിക്കുമ്പോൾ (നിങ്ങളുടെ ഡാറ്റയുടെ തുടക്കത്തിലോ, ദൈർഘ്യമേറിയ ഒരു ചക്രത്തിന് ശേഷമോ), Soulwise അത് ഫേസ് കാർഡിൽ പറയുന്നു. ബാൻഡ് ഇടുങ്ങിയതായിരിക്കുമ്പോൾ (സ്ഥിരതയുള്ള പല ചക്രങ്ങൾക്ക് ശേഷം), ഫേസ് ലേബൽ വിശ്വസനീയമാണ്.

പ്രയറിലേക്ക് എന്തൊക്കെ ചേരുന്നു

• ലഭ്യമെങ്കിൽ, നിങ്ങളുടെ അവസാന ആറ് സൈക്കിളുകളുടെ ദൈർഘ്യം.
• ഡാറ്റ ഒന്നും ലഭ്യമാകുന്നതിന് മുമ്പ് ഒരു ദുർബലമായ പ്രാരംഭ പ്രയർ (28 ± 5).
• പഴയ സൈക്കിളുകൾക്ക് സമീപകാല സൈക്കിളുകളെക്കാൾ കുറഞ്ഞ പ്രാധാന്യം ലഭിക്കാൻ ഒരു ഡ്രിഫ്റ്റ് കാലം.

തെളിവിലേക്ക് എന്തെല്ലാം ചേരുന്നു

• നിങ്ങളുടെ ദൈനംദിന ചെക്ക്-ഇൻ ചിപ്പുകളും എനർജി സ്ലൈഡറും.
• രേഖപ്പെടുത്തിയ ഏതെങ്കിലും രക്തസ്രാവമോ പുള്ളിയോ.
• നിങ്ങൾ രേഖപ്പെടുത്തിയാൽ ഓപ്ഷണൽ ലക്ഷണ അടയാളങ്ങൾ (തലവേദന, വയറുവേദന).

ഈ സിസ്റ്റം ഉപയോഗിക്കുന്നില്ല:

• ബേസൽ ബോഡി ടെംപറേച്ചർ (ഞങ്ങൾ ഒരു ഫെർട്ടിലിറ്റി ട്രാക്കർ അല്ല).
• ലക്ഷണങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള അണ്ഡോത്പാദന ഊഹങ്ങൾ (പരിധിക്ക് പുറത്ത്).
• സെർവിക്കൽ മ്യൂക്കസ് റിപ്പോർട്ടുകൾ (പരിധിക്ക് പുറത്ത്).

ഇത് എന്തു ചെയ്യില്ല

ഗർഭനിരോധനത്തിനോ ഗർഭധാരണത്തിനോ വേണ്ടി ഇത് അണ്ഡോത്സർജനം പ്രവചിക്കില്ല. പൂർണമായ anti-claim നിലപാടിനായി non-medical-cycle-tracking കാണുക.

അനിശ്ചിതത്വം കൂടുതലുള്ളപ്പോൾ ഇത് ഒരൊറ്റ ദിവസം കൃത്യമായി ചൂണ്ടിക്കാട്ടില്ല. ഫേസ് കാർഡ് 2 മുതൽ 4 ദിവസം വരെയുള്ള ഒരു വിൻഡോ കോൺഫിഡൻസ് ഷേഡിങ്ങോടെ കാണിക്കുന്നു.

ഇത് മറ്റാരുടെയും ഡാറ്റയിൽ നിന്ന് പഠിക്കില്ല. ഓരോ ഉപയോക്താവിനും അവരുടേതായ Bayesian മോഡൽ ഉണ്ട് — അത് അവരുടെ സ്വന്തം എൻക്രിപ്റ്റ് ചെയ്ത ചരിത്രത്തിനെതിരെ on-device ആയി പ്രവർത്തിക്കുന്നു.

എവിടെ ഇത് കാണപ്പെടുന്നു

ദൈനംദിന ആചാരത്തിലെ ഫേസ് കാർഡിൽ, റീക്യാപ്പ് ലെറ്ററിൽ, പിന്നെ cycle-weather-ന്റെ ഇൻപുട്ടായി — നിങ്ങളുടെ സ്ഥിരമായ അടിസ്ഥാനവുമായി താരതമ്യം ചെയ്ത് ഹ്രസ്വകാല വ്യതിയാനത്തിന്റെ വായന.