時間序列資料充斥在我們生活中的各個應用場景,熱門的股票價格分析、日常的氣溫變化、特定關鍵字搜尋次數的時序變化等等。這裡提供三種時間序列的特性:
1. Trend
資料在時間序列分佈上,呈現出一種趨勢。例如每日股票成交量向上或向下的趨勢。
2. Seasonality
資料在時間序列的呈現上,表現出一種週期性。例如,每年的七月有最多的出國人數。
3. Noise
因隨機事件,在時間序列資料上,自然夾帶的雜訊。
Trend、Seasonality與Noise的關係
那Trend、Seasonality與Noise的關係,又是什麼呢?
如果Season的變化是固定的,我們可以採用Additive Model來解釋時間序列的資料。
Trend + Seasonality + Noise = Time Series
反之,如果Seasonality伴隨著一種趨勢上的變化,我們可以選用Multiplicative Model來解釋時間序列的資料。
Trend * Seasonality * Noise = Time Series