Problemi di serie temporali

Somiglianze

• Entrambi coinvolgono una colonna di destinazione numerica.

• Entrambi sono comunemente usati in casi d'uso in ambito finanziario che coinvolgono previsioni di vendita e relative ai profitti.

Differenze

• I problemi di serie temporali supportano destinazioni raggruppate, mentre i problemi di regressione no (vedere Componenti di un problema di serie temporali). Gli scenari raggruppati possono ancora essere affrontati per i problemi di regressione addestrando più modelli diversi, a discapito dell'apprendimento globale tra i gruppi.

• I problemi di serie temporali supportano scenari in cui si conoscono in anticipo alcune variabili funzioni, ad esempio le previsioni meteorologiche, gli sconti promozionali pianificati e se determinate date cadono nei giorni feriali, nei fine settimana o nei giorni festivi. Queste variabili funzioni, sono note come Funzioni future.

• Per i problemi di serie temporali, i dati devono essere indicizzati in base ai valori di data datetime in base a un intervallo temporale fisso. Inoltre, sono previsti e generati diversi contenuti di dati durante l'addestramento e le previsioni (vedere Preparazione di un set di dati di addestramento e Preparazione di un set di dati di applicazione).

• Nei problemi di serie temporali, i valori previsti corrispondono esplicitamente a date e orari specifici. Nei problemi di regressione, i valori previsti possono corrispondere o meno a date e orari specifici, ma se lo fanno, questa associazione è implicita piuttosto che esplicitamente indicata nell'output.

• Vengono utilizzati algoritmi diversi (vedere Nozioni sugli algoritmi dei modelli).