Perché l'analisi delle serie temporali non è considerata un algoritmo di apprendimento automatico

Perché l'analisi delle serie storiche non è considerata un algoritmo di apprendimento automatico (a differenza della regressione lineare).

Sia la regressione che l'analisi delle serie storiche sono metodi di previsione. Allora perché uno di loro è considerato un algoritmo di apprendimento ma non l'altro?

Come osserva dsaxton , l '"analisi delle serie storiche " non è né un algoritmo né un metodo di previsione. È un campo di studio . Inoltre, gran parte dell'analisi delle serie temporali non riguarda nemmeno la previsione, ma solo la comprensione della dinamica passata di una serie temporale (ad esempio, il rilevamento del punto di cambiamento).

Tecniche specifiche di analisi di serie temporali adatte alla previsione , come i modelli ARIMA o il livellamento esponenziale, potrebbero certamente essere chiamate "algoritmi di apprendimento" ed essere considerate parte dell'apprendimento automatico (ML) proprio come per la regressione. Semplicemente lo sono raramente.

Direi che ciò riflette che l'analisi delle serie storiche era già molto ben consolidata e aveva sviluppato il suo linguaggio al momento della presentazione di ML, quindi pochi analisti di serie temporali penseranno a ciò che stanno facendo come apprendimento automatico (proprio come pochi statistici penseranno di regressione come ML - è la comunità ML che classifica i metodi stabiliti sotto la nomenclatura ML).

Al contrario, la comunità ML non ha davvero fatto molto con le serie storiche di per sé, e gli algoritmi ML "classici" come le reti neurali non hanno avuto molto successo nel senso di sovraperformare chiaramente gli algoritmi delle serie storiche per la previsione. Se modelli la tua dinamica temporale in un algoritmo ML, sei già abbastanza vicino a un modello ARIMA, ma se non lo fai, perdi davvero molta struttura che ti aiuterebbe nelle previsioni.