# 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，这是一种相对较少被人熟知但在工业和商业应用等领域极具价值的机器学习领域。虽然神经网络可以用来增强这些模型的效用，但我们将从经典机器学习的角度研究它们，因为这些模型可以根据过去的数据预测未来的表现。 我们的区域重点是全球电力使用，这是一个有趣的数据集，可以用来学习如何根据过去的负载模式预测未来的电力使用情况。你会发现这种预测在商业环境中非常有帮助。  照片由 [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) 在拉贾斯坦邦的道路上拍摄的电力塔，发布于 [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) ## 致谢 “时间序列预测简介”由 [Francesca Lazzeri](https://twitter.com/frlazzeri) 和 [Jen Looper](https://twitter.com/jenlooper) ⚡️ 编写。相关笔记本最初出现在 [Azure "Deep Learning For Time Series" 仓库](https://github.com/Azure/DeepLearningForTimeSeriesForecasting)，由 Francesca Lazzeri 编写。SVR 课程由 [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) 编写。 --- **免责声明**： 本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而产生的任何误解或误读不承担责任。