Análisis Práctico de Series Temporales

Capítulo 9. Aprendizaje automático de series temporales

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En este capítulo, veremos algunos ejemplos de aplicación de métodos de aprendizaje automático al análisis de series temporales. Se trata de un área relativamente joven del análisis de series temporales, pero prometedora. Los métodos de aprendizaje automático que estudiaremos no se desarrollaron originalmente para datos específicos de series temporales -a diferencia de los modelos estadísticos que estudiamos en los dos capítulos anteriores-, pero han demostrado su utilidad para ello.

Este giro hacia el aprendizaje automático supone un cambio con respecto a nuestro trabajo previo sobre previsión en capítulos anteriores de este libro. Hasta ahora nos habíamos centrado en modelos estadísticos para la previsión de series temporales. Al desarrollar dichos modelos, formulamos una teoría subyacente sobre la dinámica de una serie temporal y las estadísticas que describen el ruido y la incertidumbre en su comportamiento. Luego utilizamos la dinámica hipotética del proceso para hacer predicciones y también para estimar nuestro grado de incertidumbre sobre las predicciones. Con tales métodos, tanto la identificación del modelo como la estimación de los parámetros requerían que pensáramos detenidamente en la mejor forma de describir la dinámica de nuestros datos.

Pasamos ahora a las metodologías en las que no postulamos ...