如何利用长尾词优化漫谈时间序列预测模型？

本文共计9544个文字，预计阅读时间需要39分钟。

时间序列预测是我们实际项目场景中经常遇到的一类主题。本文简要介绍我们在时间序列问题上的一些探索和心得体会。时间序列问题的定义和分类，以及时间序列序列所指示的含义。

时间序列预测是我们实际项目场景中经常碰到的一类主题。在这篇文章里简单介绍一下我们观远在时序问题上的一些探索和心得体会。时序问题的定义和分类顾名思义，时间序列指的是按照时间顺序先后发

时间序列预测是我们实际项目场景中经常碰到的一类主题。在这篇文章里简单介绍一下我们观远在时序问题上的一些探索和心得体会。

时序问题的定义和分类

顾名思义，时间序列指的是按照时间顺序先后发生的数据序列，在此基础上，我们会对这个序列做各种任务，如分类，聚类，异常检测，预测等。本文主要的关注点会放在时间序列的预测类任务上。

时序预测的用途非常的广泛，如气象降雨，交通流量，金融，商业公司的销售经营，医学上的药物反应，各类系统的运作负荷，等等方面都可以见到相关的应用场景。麦肯锡的一个关于 AI 场景价值的研究中也把时序类问题的价值排在了各类数据形式中的第二位：

AI Value by Data Types

下图是 Google 内部的各种时序预测的场景，看起来是不是应用范围一点也不亚于搜广推呢 :)

Forecasting at Google

在很多研究中，会把时间序列进一步区分成单变量时间序列和多变量时间序列。例如单支股票的价格走势是一个单变量时序问题，但某支股票的价格波动除了自身因素，也会受到其它股票价格波动的影响，甚至是股票市场外的一些其它信息影响，所以我们需要通盘考虑来做预测，就形成了所谓的多变量时间序列问题。