시계열 분석이 기계 학습 알고리즘으로 간주되지 않는 이유

시계열 분석이 선형 학습 회귀와 달리 기계 학습 알고리즘으로 간주되지 않는 이유는 무엇입니까?

회귀 분석과 시계열 분석은 모두 예측 방법입니다. 그렇다면 왜 그들 중 하나가 학습 알고리즘으로 간주되지만 다른 알고리즘은 아닌가?

dsaxton이 지적 했듯이 "시계열 분석"은 알고리즘이나 예측 방법이 아닙니다. 그것은 연구 분야입니다 . 또한 많은 시계열 분석은 예측과 관련이 없으며 시계열의 과거 역학 (예 : 변경점 감지) 을 이해하는 것만 관련됩니다 .

ARIMA 모델 또는 지수 평활과 같은 예측에 적합한 특정 시계열 분석 기술 은 확실히 "학습 알고리즘"이라고하며 회귀와 마찬가지로 머신 러닝 (ML)의 일부로 간주 될 수 있습니다. 그들은 거의 없습니다.

ML이 등장 할 때까지 시계열 분석이 이미 매우 잘 확립되고 자체 언어를 개발했음을 반영한다고 말하고 있습니다. 따라서 시계열 분석가는 기계 학습으로 무엇을하고 있는지에 대해 생각할 것입니다 ML로 회귀 분석-ML 명명법에 따라 확립 된 방법을 분류하는 것은 ML 커뮤니티입니다.

반대로, ML 커뮤니티는 시계열 그 자체로 많은 일을하지 않았으며, 신경망과 같은 "고전적인"ML 알고리즘은 예측을 위해 고전적인 시계열 알고리즘을 분명히 능가한다는 의미에서 지나치게 성공적이지 못했습니다. ML 알고리즘에서 시간 역학을 모델링하는 경우 이미 ARIMA 모델에 가깝지만 그렇지 않은 경우 예측에 도움이되는 많은 구조를 놓치게됩니다.