时间序列问题

相似之处

• 两者都涉及一个数值目标列。

• 两者都常用于涉及销售和货币预测的金融用例中。

差异

• 时间序列问题支持分组目标，而回归问题不支持（请参阅 时间序列问题的组成部分）。分组场景仍然可以通过训练多个不同的模型来解决回归问题，但代价是牺牲了跨组的全局学习。

• 时间序列问题支持您提前知道某些功能, 特性变量的场景——例如，与天气相关的预测、计划的促销折扣以及日期是否落在工作日、周末和节假日。这些功能, 特性变量被称为未来特性。

• 对于时间序列问题，数据必须按固定时间间隔的日期或日期时间进行索引。此外，在训练和预测期间，预期并生成不同的数据内容（请参阅准备训练数据集和准备应用数据集）。

• 在时间序列问题中，预测值明确对应于特定的日期和时间。在回归问题中，预测值可能对应也可能不对应于特定的日期和时间，但如果它们对应，这种关联是隐含的，而不是在输出中明确表示的。

• 使用了不同的算法（请参阅 理解模型算法）。