6. 基于机器学习的时间序列分析方法

本章开始介绍基于机器学习的时间序列分析方法，机器学习在时间序列分析中属于一类比较新的方法，因为机器学习在最开始就不是为了时间序列而设计的，但事实证明机器学习也是很有效果的。 在之前讨论的统计学方法中，我们的思路是首先形成关于时间序列动力学的潜在理论，用统计学来表述噪声和不确定性，然后用假设的动力学去做预测，评估不确定性。而在基于机器学习的方法中，我们不再事先做太多假定，而是试着去探索发现时间序列行为中的模式（pattern）。 和传统机器学习方法类似，应用于时间序列分析上同样分为有监督学习（分类，预测）和非监督学习（聚类）两类。 在撰写本章时，假定读者已经拥有基本的机器学习知识，故下文不再对算法本身做详细介绍。