# 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 ✨

在這兩堂課中，您將會接觸到時間序列預測，這是機器學習中一個相對較少人知道的領域，但對產業和商業應用等多個領域卻極為重要。雖然神經網絡可以用來增強這些模型的效用，我們會在傳統機器學習的背景下學習這些模型，因為模型有助於基於過去預測未來的表現。

我們的區域重點是全球電力使用，這是一個有趣的數據集，用於學習如何根據過去負載的模式預測未來的用電量。您可以看到這類預測在商業環境中非常有幫助。

![electric grid](../../../translated_images/zh-HK/electric-grid.0c21d5214db09ffa.webp)

照片由 [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) 拍攝，為位於拉賈斯坦邦一條道路上的電力塔，收錄於 [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. [建立 ARIMA 時間序列模型](2-ARIMA/README.md)
3. [建立用於時間序列預測的支持向量回歸器](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) 共同編寫並帶來 ⚡️。這些筆記本最初於 [Azure “Deep Learning For Time Series” 倉庫](https://github.com/Azure/DeepLearningForTimeSeriesForecasting)線上發表，最初作者為 Francesca Lazzeri。SVR 課程則由 [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) 撰寫。

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**免責聲明**：
本文件由 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯而成。雖然我們致力於確保準確性，但請注意，機器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。對於重要資訊，建議進行專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋承擔責任。
<!-- CO-OP TRANSLATOR DISCLAIMER END -->