有监督和无监督的时间序列模型服务于不同的目的,并以数据的性质和分析的目标为指导。在有监督的时间序列建模中,使用数据集,其中模型从标记的数据中学习,这意味着输入特征和相应的输出或目标变量都是已知的。例如,在预测股票价格时,历史价格数据用于预测未来价格。该模型基于这些历史数据进行训练,学习过去和未来值之间的关系,并可以对看不见的数据进行预测。
相比之下,无监督时间序列模型不依赖于标记数据。相反,这些模型分析数据以识别没有预定义结果的模式、结构或聚类。这方面的一个例子可能是网站流量中的异常检测,其中模型处理历史流量数据以发现访问中的异常峰值或下降,而没有给出关于什么构成 “正常” 行为的标签。该模型可以集中于将类似的时间段分组在一起或在没有任何输出应该是什么的先验知识的情况下识别趋势。
总之,这两种类型的模型之间的关键区别在于存在标记数据。监督模型需要定义的目标结果进行训练,从而能够根据学习到的关系直接预测未来值。然而,无监督模型在发现数据本身的模式和特征的前提下运行,而不需要预定义的目标,这使得它们对于探索性分析和理解数据分布非常有用。