基于机器学习的时序序列趋势判断方法

最近工作有这样一个需求：给定十几个时序序列，判断出这个序列的趋势（上升、下降或平稳）。最开始肯定是想到，直接线性拟合斜率大小来判断呗，但是业务部门的同事说他们不止看整体斜率还看局部特征什么的总之很感性。

于是我把每个点当一个维度直接跑分类模型（lr，多层感知机，svm，rf，gbdt，xgboost），结果还不错上升和下降的查准查全率都到80%（总共样本也就五六十个。。。）。

为了提高查准率查全率，又和业务部门同事沟通了一下，他们主要综合整体以及最后几个点的趋势来判断，所以处理整体斜率，还将最后几个点的拟合斜率作为特证，这样再去分类，果然查准率或查全率得到了提高。这充分说明了传统机器学习特征提取的重要性。。。逃