# 时间序列预测简介

什么是时间序列预测？它是通过分析过去的趋势来预测未来的事件。

## 区域主题：全球电力使用 ✨

在这两节课中，你将了解时间序列预测，这是一种相对较少人知的机器学习领域，但在工业和商业应用等领域中却极具价值。虽然可以使用神经网络来增强这些模型的实用性，但我们将研究它们在经典机器学习背景下的应用，因为模型有助于根据过去的表现预测未来的表现。

我们的区域重点是全球的电力使用，这是一个有趣的数据集，可以了解如何根据过去的负载模式预测未来的电力使用情况。你可以看到这种预测在商业环境中是多么有用。

![电网](../../../translated_images/electric-grid.0c21d5214db09ffae93c06a87ca2abbb9ba7475ef815129c5b423d7f9a7cf136.zh.jpg)

照片由 [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) 拍摄于拉贾斯坦邦的一条道路上的电塔，发布在 [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText)

## 课程

1. [时间序列预测简介](1-Introduction/README.md)
2. [构建ARIMA时间序列模型](2-ARIMA/README.md)
3. [构建支持向量回归器进行时间序列预测](3-SVR/README.md)

## 鸣谢

"时间序列预测简介" 由 [Francesca Lazzeri](https://twitter.com/frlazzeri) 和 [Jen Looper](https://twitter.com/jenlooper) 用 ⚡️ 编写。这些笔记本最初出现在 [Azure "Deep Learning For Time Series" repo](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) 上，由 Francesca Lazzeri 编写。SVR 课程由 [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) 编写。

**免责声明**：
本文档是使用机器翻译服务翻译的。尽管我们努力确保准确性，但请注意，自动翻译可能包含错误或不准确之处。应将原文档视为权威来源。对于关键信息，建议进行专业的人类翻译。我们不对使用此翻译而产生的任何误解或曲解承担责任。