# 時間序列預測介紹 什麼是時間序列預測？它是通過分析過去的趨勢來預測未來事件。 ## 地區主題：全球電力使用 ✨ 在這兩節課中，您將了解時間序列預測，這是一個相對較少被人熟知但在工業和商業應用等領域中極具價值的機器學習領域。雖然神經網絡可以用來提升這些模型的效用，但我們將在經典機器學習的背景下研究它們，因為這些模型可以根據過去的表現來幫助預測未來。 我們的地區重點是全球的電力使用，這是一個有趣的數據集，可以用來學習如何根據過去的負載模式預測未來的電力使用。您可以看到這種預測在商業環境中是多麼有幫助。  照片由 [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) 拍攝，展示了拉賈斯坦邦道路上的電力塔，來自 [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) ## 課程 1. [時間序列預測介紹](1-Introduction/README.md) 2. [構建 ARIMA 時間序列模型](2-ARIMA/README.md) 3. [構建支持向量回歸器進行時間序列預測](3-SVR/README.md) ## 致謝 "時間序列預測介紹" 由 [Francesca Lazzeri](https://twitter.com/frlazzeri) 和 [Jen Looper](https://twitter.com/jenlooper) ⚡️ 撰寫。這些筆記本最初出現在 [Azure "Deep Learning For Time Series" repo](https://github.com/Azure/DeepLearningForTimeSeriesForecasting)，由 Francesca Lazzeri 原創撰寫。SVR 課程由 [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) 撰寫。 --- **免責聲明**： 本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。