机器学习笔记 - 时间序列分析基础概念解释

一、简述

        时间序列分析是一种统计方法，可检查定期收集的数据点以揭示潜在的模式。该技术与各个行业高度相关，因为它可以根据历史数据做出决策和预测。通过了解过去并预测未来，时间序列分析在金融、医疗保健、能源、供应链管理、天气预报、营销等领域发挥着至关重要的作用。

        时间序列分析的核心是研究和解释以一致的时间间隔记录或收集的一系列数据点。时间序列数据从根本上来说是动态的，随着时间顺序的变化。此类分析对于揭示数据中的潜在结构（例如趋势、周期和季节性变化）至关重要。

        从技术上讲，时间序列分析旨在对数据内的固有结构进行建模，解释自相关、季节性模式和趋势等现象。数据点的顺序至关重要；重新排列它们可能会失去有原有的意义或得到不正确的理解。此外，时间序列分析通常需要大量数据集来维持研究结果的统计显着性。分析师需要能过滤掉“噪音”，确保观察到的模式不仅仅是异常值，而且是统计上显着的趋势或周期。

        关于自相关的解释

https://skydance.blog.csdn.net/article/details/125474077