时间序列数据挖掘和应用
时间序列是在特定时间点记录的一系列数据点-最经常以规则的时间间隔（秒，小时，天，月等）进行记录。每个组织每天都会生成大量数据-无论是销售数字，收入，流量还是运营成本。时间序列数据挖掘可以为长期业务决策生成有价值的信息，但是在大多数组织中，它们的使用率较低。以下是利用时间序列数据集的几种可能方法的列表：
趋势分析： 只是根据时间绘制数据可以产生非常强大的见解。时序数据的一种非常基本的用途是仅了解所测量内容的时间模式/趋势。在企业中，它甚至可以早期指示典型商业周期的总体方向。
离群值/异常检测： 时间数据集中的离群值表示异常。无论是否需要（例如利润率）（例如成本），在数据集中检测到的异常值都可以帮助防止意外的后果。
检查电击/意外变化： 时间序列数据可以识别变化（预期或意外）和异常，并检测噪声中的信号。
关联分析： 通过绘制二元/多元时间数据，可以轻松（仅在视觉上）识别任意两个特征（例如利润与销售）之间的关联。这种关联可能暗示也可能不暗示因果关系，但这是选择在更高级的统计分析中影响输出变量的输入特征的良好起点。
预测： 使用历史数据预测未来价值是一种常见的方法论方法-从简单的推断到复杂的随机方法（例如ARIMA）。
预测分析：先进的统计分析，例如面板数据模型（固定和随机效应模型）在很大程度上依赖于多元纵向数据集。这些类型的分析有助于进行业务预测，识别解释变量或仅帮助理解数据集中要素之间的关联。
题库