Praktische Zeitreihenanalyse

Kapitel 9. Maschinelles Lernen für Zeitreihen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Kapitel werden wir uns einige Beispiele für die Anwendung von Methoden des maschinellen Lernens auf die Zeitreihenanalyse ansehen. Dies ist ein relativ junges Gebiet der Zeitreihenanalyse, das sich aber als vielversprechend erwiesen hat. Die maschinellen Lernmethoden, die wir untersuchen werden, wurden ursprünglich nicht für zeitreihenspezifische Daten entwickelt - im Gegensatz zu den statistischen Modellen, die wir in den letzten beiden Kapiteln untersucht haben - aber sie haben sich als nützlich erwiesen.

Diese Hinwendung zum maschinellen Lernen ist eine Abkehr von unserer bisherigen Arbeit an Prognosen in früheren Kapiteln dieses Buches. Bis jetzt haben wir uns auf statistische Modelle für Zeitreihenprognosen konzentriert. Bei der Entwicklung solcher Modelle haben wir eine zugrundeliegende Theorie über die Dynamik einer Zeitreihe und die Statistiken, die das Rauschen und die Unsicherheit in ihrem Verhalten beschreiben, formuliert. Anschließend haben wir die angenommene Dynamik des Prozesses genutzt, um Vorhersagen zu treffen und den Grad der Unsicherheit in Bezug auf die Vorhersagen zu schätzen. Bei diesen Methoden mussten wir uns sowohl bei der Modellidentifizierung als auch bei der Parameterschätzung genau überlegen, wie wir die Dynamik unserer Daten am besten beschreiben können.

Wir wenden ...