ডেসেক্সটনের নোট হিসাবে , "টাইম সিরিজ বিশ্লেষণ" কোনও একটি অ্যালগরিদম বা পূর্বাভাস পদ্ধতি নয়। এটা একটা ব্যাপার গবেষণা ক্ষেত্রে । তদুপরি, বেশিরভাগ সময় সিরিজ বিশ্লেষণ এমনকি পূর্বাভাসের সাথে সম্পর্কিত নয়, তবে কেবল একটি সময়ের সিরিজের অতীত গতিবিদ্যা বোঝার সাথে (যেমন, পরিবর্তন বিন্দু সনাক্তকরণ) understanding
আরিমা মডেল বা এক্সফোনেনশিয়াল স্মুথিংয়ের মতো পূর্বাভাসের জন্য উপযুক্ত নির্দিষ্ট সময়ের সিরিজ বিশ্লেষণ কৌশলগুলি অবশ্যই "লার্নিং অ্যালগরিদম" বলা যেতে পারে এবং কেবল রিগ্রেশন হিসাবে মেশিন লার্নিং (এমএল) এর অংশ হিসাবে বিবেচিত হতে পারে। তারা খুব কমই হয়।
আমি বলব যে এটি এমএল প্রকাশের সময় অনুযায়ী টাইম সিরিজ বিশ্লেষণটি ইতিমধ্যে খুব ভাল প্রতিষ্ঠিত হয়েছিল এবং তার নিজস্ব ভাষা বিকাশ করেছে, তাই সংক্ষিপ্ত সময়ের সিরিজ বিশ্লেষকরা মেশিন লার্নিং হিসাবে কী করছেন তা ভেবে দেখবে (ঠিক তেমন কিছু পরিসংখ্যানবিদরা ভাববেন) এমএল হিসাবে রিগ্রেশন - এটি এমএল সম্প্রদায় যা এমএল নামকরণের অধীনে প্রতিষ্ঠিত পদ্ধতিগুলিকে শ্রেণিবদ্ধ করে)।
বিপরীতভাবে, এমএল সম্প্রদায় সত্যই সময় প্রতি সিরিজের সাথে খুব বেশি কিছু করছে না, এবং নিউরাল নেটওয়ার্কগুলির মতো "ধ্রুপদী" এমএল অ্যালগরিদমগুলি পূর্বাভাস দেওয়ার জন্য শাস্ত্রীয় সময় সিরিজের অ্যালগরিদমগুলিকে স্পষ্টভাবে ছাপিয়ে যাওয়ার অর্থে খুব বেশি সফল হয়নি। আপনি যদি একটি এমএল অ্যালগরিদমে আপনার সময়ের গতিশীলতা মডেল করেন তবে আপনি ইতিমধ্যে একটি এআরআইএমএ মডেলের খুব কাছাকাছি রয়েছেন, তবে আপনি যদি তা না করেন তবে আপনি সত্যিই এমন অনেক কাঠামো মিস করেছেন যা পূর্বাভাসে সহায়তা করবে।