Problemas de séries temporais

Semelhanças

• Ambos envolvem uma coluna de metas numéricas.

• Ambos são geralmente usados em casos de uso financeiro que envolvem vendas e previsão monetária.

Diferenças

• Os problemas de séries temporais suportam alvos agrupados, enquanto os problemas de regressão não (consulte Componentes de um problema de série temporal). Ainda é possível abordar cenários agrupados para problemas de regressão treinando vários modelos diferentes, ao custo do aprendizado global entre os grupos.

• Problemas de séries temporais suportam cenários em que você conhece certas variáveis de recursos antecipadamente — por exemplo, previsões meteorológicas, descontos promocionais planejados e se as datas caem em dias úteis, fins de semana ou feriados. Essas variáveis de recursos são conhecidas como Recursos futuros.

• Para problemas de séries temporais, os dados devem ser indexados por data ou data/hora em um intervalo de tempo fixo. Além disso, diferentes conteúdos de dados são esperados e gerados durante o treinamento e previsões (consulte Preparando um conjunto de dados de treinamento e Preparando um conjunto de dados de aplicação).

• Em problemas de séries temporais, os valores previstos correspondem explicitamente a datas e horários específicos. Em problemas de regressão, os valores previstos podem ou não corresponder a datas e horas específicas, mas, se corresponderem, essa associação estará implícita e não explicitamente indicada no resultado.

• São usados diferentes algoritmos (consulte Entendendo os algoritmos de modelo).