时间序列简介（一）

时间序列 是将某种 统计指标 的数值，按时间先后顺序排序所形成的数列。 时间序列的预测 就是通过分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，预测下一段时间或以后若干年内可能达到的水平。 时间序列的异常检测 就是通过历史的数据分析，查看当前的数据是否发生了明显偏离了正常的情况。

在本篇 PPT 里面，将会介绍时间序列的一些模型，例如 移动平均法（Moving Average） ， 指数的移动平均法（Exponential Weighted Moving Average) ，以及经典的 控制图理论（Control Chart Theory） 。除此之外，将会介绍清华大学裴丹教授的 Opprentice 系统，是用有监督的学习方法（Random Forest）来进行时间序列的异常检测的。在 PPT 的最后，会简单的介绍时间序列的特征提取工具 tsfresh 。

相关文章推荐：

1. 转行数据挖掘和机器学习 （四）

2. 当强化学习遇见泛函分析