时间序列的线性回归

使用时间序列特有的两个特征：滞后和时间步长。

欢迎来到时间序列!
预测可能是机器学习在现实世界中最常见的应用。企业预测产品需求，政府预测经济和人口增长，气象学家预测天气。对未来事物的理解是科学、政府和工业(更不用说我们的个人生活了!)的迫切需求，这些领域的从业者越来越多地应用机器学习来满足这一需求。

时间序列预测是一个有着悠久历史的广阔领域。本课程侧重于将现代机器学习方法应用于时间序列数据，目的是产生最准确的预测。本课程的课程灵感来自于过去的Kaggle预测竞赛中获胜的解决方案，但无论何时，准确的预测都是优先考虑的。

完成本课程后，你将知道如何:

设计功能来模拟主要的时间序列组件(趋势、季节和周期);
用各种时间序列图来形象化时间序列，
创建混合预测，结合互补模型的优势，以及
使机器学习方法适应各种预测任务。
作为练习的一部分，您将有机会参加我们的商店销售-时间序列预测入门比赛。在这个比赛中，你的任务是预测Corporación Favorita(一家厄瓜多尔的大型杂货零售商)近1800个产品类别的销售情况。

什么是时间序列?
预测的基本对象是时间序列，它是一组随时间记录的观察结果。在预报应用中，通常以固定的频率记录观测结果，如每日或每月。

</