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