เหตุใดการวิเคราะห์อนุกรมเวลาจึงไม่ถือว่าเป็นอัลกอริทึมการเรียนรู้ของเครื่อง

เหตุใดการวิเคราะห์อนุกรมเวลาจึงไม่ถือว่าเป็นอัลกอริทึมการเรียนรู้ของเครื่อง (ต่างจากการถดถอยเชิงเส้น)

การวิเคราะห์การถดถอยและอนุกรมเวลาเป็นวิธีการพยากรณ์ เหตุใดคนหนึ่งจึงคิดว่าเป็นอัลกอริธึมการเรียนรู้ แต่ไม่ใช่อีกข้อหนึ่ง

ในฐานะที่เป็นdsaxton บันทึกว่า "การวิเคราะห์อนุกรมเวลา" ไม่ใช่ทั้งอัลกอริทึมและวิธีการพยากรณ์ มันเป็นด้านการศึกษา นอกจากนี้การวิเคราะห์อนุกรมเวลาส่วนใหญ่ไม่ได้เกี่ยวข้องกับการคาดการณ์ แต่มีเพียงความเข้าใจถึงการเปลี่ยนแปลงที่ผ่านมาของอนุกรมเวลา (เช่นการตรวจจับการเปลี่ยนแปลงจุด)

เทคนิคการวิเคราะห์อนุกรมเวลาที่เฉพาะเจาะจงที่เหมาะสมสำหรับการคาดการณ์เช่นแบบจำลอง ARIMA หรือการปรับแบบเอกซ์โพเนนเชียลอาจเรียกได้ว่า "อัลกอริธึมการเรียนรู้" และได้รับการพิจารณาว่าเป็นส่วนหนึ่งของการเรียนรู้ พวกเขาไม่ค่อยมี

ฉันบอกว่าสิ่งนี้สะท้อนให้เห็นว่าการวิเคราะห์อนุกรมเวลาได้รับการยอมรับอย่างดีและพัฒนาภาษาของตัวเองเมื่อถึงเวลาที่ ML ออกมาดังนั้นนักวิเคราะห์อนุกรมเวลาจะคิดว่าพวกเขากำลังทำอะไรขณะเรียนรู้ด้วยเครื่อง ของการถดถอยในฐานะ ML - เป็นชุมชน ML ที่จัดประเภทวิธีการที่จัดตั้งขึ้นภายใต้ระบบการตั้งชื่อ ML)

ในทางกลับกันชุมชน ML ไม่ได้ทำอะไรมากนักกับอนุกรมเวลาต่อ se และอัลกอริธึม ML คลาสสิกอย่างเครือข่ายประสาทไม่ประสบความสำเร็จอย่างมากในแง่ที่ว่ามีประสิทธิภาพสูงกว่าอัลกอริธึมอนุกรมเวลาแบบดั้งเดิมสำหรับการพยากรณ์ ถ้าคุณจำลองพลวัตเวลาของคุณด้วยอัลกอริธึม ML คุณค่อนข้างใกล้เคียงกับแบบจำลอง ARIMA แล้ว แต่ถ้าคุณทำไม่ได้คุณจะพลาดโครงสร้างจำนวนมากที่จะช่วยในการพยากรณ์