时间序列的预测

致敬环节：https://zhuanlan.zhihu.com/p/54413813
关于时间序列预测的一些总结
深度学习方法中，循环神经网络R nn用的最多，也适合解决这类问题。下面谈下需要注意的地方。
1.概念漂移
表示目标变量的统计特性随着时间推移，可能会有些变化，不是一种平稳增量状态，也就是每过一段时间，序列是会变化的。所以，在这种情况下，拿全部时间内的数据去训练，就相当于增加了各种噪声，预测精度会下降。所以，一种解决办法是不断地取最新一阶段内的数据来训练模型以及做预测。比如说滑动窗口（后面再补充）
2.序列的自相关性
简单的说，就是预测值总是比真实值滞后一个单位时间
3.训练集和测试集划分
再时间序列任务中，一般选取某个时间节点之前作为训练集，节点之后作为测试集。