时间序列的详细介绍以及案例

争对时间序列的一些解释的说明，很详细，有案例，有代数矩阵说明。 什么是时间序列？ 时间序列是指按照时间顺序排列的一组数据序列，通常是均匀间隔的一系列观测值。这些观测值可以是物理现象、经济指标等任何量的测量结果，时间序列数据在时间轴上展示了某种现象的随时间变化的趋势和规律，因此被广泛用于各种领域的预测分析、趋势分析、周期性分析等研究和决策。 时间序列分析是一种基于统计学和数学方法的分析方法，主要目的是描述、解释和预测时间序列数据的变化和趋势。 以下的概念详细叙述角度，均是站在机器学习、深度学习建模的角度上进行阐述的。 (1) 滑动窗口windows_size，又分为特征X滑动窗口x_windows_size和标签y滑动窗口y_windows_size。 特征X滑动窗口x_windows_size，顾名思义就是输入数据x上的窗口大小。 标签y滑动窗口y_windows_size则是输出数据y上的窗口大小。 一般来说，x_windows_size要大于或远远（比如是两倍）大于y_windows_size，那么模型学习的信息才不会欠拟合（因为这里增加了x和y之间的复杂度但是却降低了信息