时间序列预测

[[平稳性]] 是时间序列分析的基础，通过 [[ADF 检验]] 判断时间序列是否满足平稳性的要求。

[[时间序列预测/基本数学概念]] 介绍自协方差、自相关系数、偏自相关系数等概念。

[[时间序列预测/评价指标]]有 [[R2 score]]、MAE、MAPE、SMAPEWMAPE 等。

[[传统时间序列预测]]以 AR、MR、ARMA、ARIMA 等序列自回归方法为主。

[[深度学习时间序列预测]]

• [[Time Series Transformer]]

• [[@Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting]]

[[时间序列特征工程]] 三个方向： 时间戳衍生
， ((6302f9ee-1eb7-47ab-af57-17f933664bcb))， ((6302f9ee-52e1-48af-86b1-4e01ff3a4a64))

• [[时间序列缺失值处理]]

• 建模方式

  • 历史窗口大小

  • 预测点 gap 大小

  • 预测窗口大小

任务分类

• Forecasting step

  • one-step

  • multi-step

• Inputting variables

  • autoregressive

  • covariate

• Outputting

  • Single point

  • Probability

• Forecasting target

  • univariate 单变量

  • multivariate

[[时间序列预测/Ref]]

[[Transformer 是否适合时间序列预测]]