Por que a análise de séries temporais não é considerada um algoritmo de aprendizado de máquina (ao contrário da regressão linear).
A análise de regressão e de séries temporais são métodos de previsão. Então, por que um deles é considerado um algoritmo de aprendizado, mas não o outro?
Respostas:
Como observa dsaxton , "análise de séries temporais" não é um algoritmo nem um método de previsão. É um campo de estudo . Além disso, grande parte da análise de séries temporais nem se preocupa com a previsão, mas apenas com o entendimento da dinâmica passada de uma série temporal (por exemplo, detecção de ponto de mudança).
Técnicas específicas de análise de séries temporais adequadas para previsão , como modelos ARIMA ou Suavização exponencial, certamente poderiam ser chamadas de "algoritmos de aprendizado" e ser consideradas parte do aprendizado de máquina (ML), assim como para a regressão. Eles simplesmente raramente são.
Eu diria que isso reflete que a análise de séries temporais já estava muito bem estabelecida e desenvolveu sua própria linguagem no momento em que o ML surgiu, então poucos analistas de séries temporais pensam no que estão fazendo como aprendizado de máquina (assim como poucos estatísticos pensam de regressão como ML - é a comunidade do ML que classifica métodos estabelecidos na nomenclatura do ML).
Por outro lado, a comunidade de ML não tem feito muito com as séries temporais per se, e algoritmos de ML "clássicos" como redes neurais realmente não tiveram muito sucesso no sentido de superar claramente os algoritmos de séries temporais clássicos para previsão. Se você modelar sua dinâmica de tempo em um algoritmo de ML, já estará muito próximo de um modelo ARIMA, mas se não o fizer, realmente perderá muita estrutura que ajudaria na previsão.
fonte