机器学习笔记 - 时间序列使用机器学习进行预测

一、概述

        在最基本的情况下，我们将预测视为一个简单的回归问题，所有特征都来自单个输入，即时间索引。 只需生成想要的趋势和季节性特征，我们就可以轻松地创建未来任何时间的预测。

        然后，当我们添加滞后功能时，问题的性质发生了变化。 滞后特征要求在预测时已知滞后目标值。 滞后 1 功能将时间序列向前移动 1 步，这意味着您可以预测未来 1 步，但不能预测 2 步。接下来我们只是假设我们总是可以产生延迟到我们想要预测的时期（换句话说，每个预测都只是向前迈出一步）。现实世界的预测通常需要更多的东西，需要进一步了解如何针对各种情况进行预测。

二、定义预测任务

        在设计预测模型之前，需要确定两件事：

        （1）做出预测时可获得哪些信息（特征）。

        （2）以及您需要预测值（目标）的时间段。

        实际上，预测原点是您在预测期间拥有训练数据的最后一次。直到起点的所有东西都可以用来创建特征。

        预测范围是您进行预测的时间。我们经常通过其范围内的时间步数来描述预测：例如，“1-step”预测或“5-step”预测。预测范围描述了目标