You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
# 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。
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。
