Zeitreihenaufgaben

Ähnlichkeiten

• Beide umfassen eine numerische Zielspalte.

• Beide werden häufig in Anwendungsfällen aus dem Finanzbereich eingesetzt, die Verkaufs- und Umsatzprognosen betreffen.

Unterschiede

• Zeitreihenprobleme unterstützen gruppierte Ziele, während Regressionsprobleme dies nicht tun (siehe Komponenten einer Zeitreihenaufgabe). Gruppierte Szenarien können bei Regressionsproblemen weiterhin modelliert werden, indem mehrere verschiedene Modelle trainiert werden. Dies geht allerdings auf Kosten des gruppenübergreifenden globalen Lernens.

• Zeitreihenprobleme unterstützen Szenarien, in denen bestimmte Funktionsvariablen im Voraus bekannt sind – wetterbezogene Prognosen, geplante Rabattaktionen oder ob es sich bei einem bestimmten Datum um einen Wochentag, ein Wochenende oder einen Feiertag handelt. Diese Funktionsvariablen sind bekannt als Zukünftige Features.

• Bei Zeitreihenproblemen müssen Daten nach Datum oder Datum und Uhrzeit in einem festen Zeitintervall indiziert werden. Darüber hinaus werden während des Trainings und der Prognosen unterschiedliche Dateninhalte erwartet und erzeugt (siehe Vorbereiten eines Trainingsdatensatzes und Vorbereiten eines Anwendungsdatensatzes).

• Bei Zeitreihenproblemen entsprechen die prognostizierten Werte ausdrücklich bestimmten Datumsangaben und Uhrzeiten. Bei Regressionsproblemen können prognostizierte Werte bestimmten Datumsangaben und Uhrzeiten entsprechen oder nicht. Falls sie dies tun, ist diese Zuordnung implizit und wird in der Ausgabe nicht explizit angezeigt.

• Unterschiedliche Algorithmen werden verwendet (siehe Verstehen von Modellalgorithmen).