Gibi dsaxton notları , "zaman serileri analizi" bir algoritma, ne de bir tahmin yöntemi de değildir. Bu bir çalışma alanı . Buna ek olarak, zaman serisi analizlerinin çoğu tahminlerle bile ilgili değildir, sadece zaman serilerinin geçmiş dinamiklerini anlamakla ilgilidir (örn. Değişim noktası tespiti).
ARIMA modelleri veya Üstel Düzeltme gibi öngörmeye uygun belirli zaman serisi analiz teknikleri , kesinlikle "öğrenme algoritmaları" olarak adlandırılabilir ve regresyonda olduğu gibi makine öğreniminin (ML) bir parçası olarak düşünülebilir. Bunlar nadiren görülür.
Bunun zaman serisi analizinin ML ortaya çıkınca çok iyi kurulmuş ve kendi dilini geliştirdiğini yansıttığını söyleyebilirim, bu yüzden birkaç zaman serisi analisti makine öğrenimi olarak ne yaptıklarını düşünecek (sadece birkaç istatistikçi düşüneceği gibi) regresyonun ML olarak tanımlanması - ML isimlendirmesi altında yerleşik yöntemleri sınıflayan ML topluluğudur)
Tersine, ML topluluğu aslında zaman dizileri ile pek bir şey yapmamıştır ve sinir ağları gibi "klasik" ML algoritmaları, tahmin için klasik zaman serisi algoritmalarından açıkça daha iyi performans gösterme anlamında gerçekten başarılı olamamıştır. Zaman dinamiklerinizi bir ML algoritmasında modellerseniz, zaten bir ARIMA modeline oldukça yakınsınız, ancak bunu yapmazsanız, tahmin etmeye yardımcı olacak birçok yapıyı gerçekten kaçırırsınız.