Dự báo chuỗi thời gian với Machine Learning

Abstract

Time Series Analysis & Forecasting là 1 lớp mô hinh quan trọng trong thống kê,kinh tế lượng và machine learning. Sở dĩ chúng được gọi lớp mô hình này là chuỗi thời gian (time series) là vì mô hình được áp dụng trên các chuỗi đặc thù có yếu tố thời gian. Một mô hình chuỗi thời gian thường dự báo dựa trên giả định rằng các qui luật trong quá khứ sẽ lặp lại ở tương lai. Do đó xây dựng mô hình chuỗi thời gian là chúng ta đang mô hình hóa mối quan hệ trong quá khứ giữa biến độc lập(biến đầu vào) và biến phụ thuộc (biến mục tiêu). Dựa vào mối quan hệ này để dự đoán giá trị trong tương lai của biến phụ thuộc. Do là dữ liệu chịu ảnh hưởng bởi tính chất thời gian nên chuỗi thời gian thường xuất hiện những qui luật đặc trưng như: yếu tố chu kỳ, mùa vụ và yếu tố xu hướng.Đây là những đặc trưng thường thấy và xuất hiện ở hầu hết các chuỗi thời gian. • Yếu tố chu kì, mùa vụ là những đặc tính lặp lại theo chu kì • Yếu tố xu hướng (trend) thể hiện đà tăng hoặc giảm của chuỗi trong tương lai