Dsaxton नोट के रूप में , "समय श्रृंखला विश्लेषण" न तो एक एल्गोरिथ्म है और न ही एक पूर्वानुमान विधि है। यह अध्ययन का क्षेत्र है । इसके अलावा, बहुत समय श्रृंखला विश्लेषण पूर्वानुमान के साथ भी संबंधित नहीं है, लेकिन केवल एक समय श्रृंखला की पिछली गतिशीलता को समझने के साथ (उदाहरण के लिए, बिंदु का पता लगाने में परिवर्तन)।
पूर्वानुमान के लिए उपयुक्त विशिष्ट समय श्रृंखला विश्लेषण तकनीक , जैसे ARIMA मॉडल या एक्सपोनेंशियल स्मूथिंग, को निश्चित रूप से "लर्निंग एल्गोरिदम" कहा जा सकता है और इसे मशीन लर्निंग (ML) का हिस्सा माना जा सकता है, जैसे कि प्रतिगमन के लिए। वे बस शायद ही कभी हैं।
मैं कहता हूँ कि समय श्रृंखला विश्लेषण पहले ही बहुत अच्छी तरह से स्थापित हो चुका था और समय के अनुसार एमएलए के आने से इसकी अपनी भाषा विकसित हो गई थी, इसलिए कुछ समय श्रृंखला के विश्लेषकों का मानना है कि वे मशीन लर्निंग के रूप में क्या कर रहे हैं (जैसा कि कुछ सांख्यिकीविद् सोचेंगे। एमएल के रूप में प्रतिगमन - यह एमएल समुदाय है जो एमएल नामकरण के तहत स्थापित तरीकों को वर्गीकृत करता है)।
इसके विपरीत, एमएल समुदाय वास्तव में प्रति समय समय श्रृंखला के साथ बहुत कुछ नहीं कर रहा है, और तंत्रिका नेटवर्क जैसे "शास्त्रीय" एमएल एल्गोरिदम वास्तव में पूर्वानुमान के लिए शास्त्रीय समय श्रृंखला एल्गोरिदम के स्पष्ट रूप से बेहतर प्रदर्शन के अर्थ में अत्यधिक सफल नहीं हुए हैं। यदि आप एक एमएल एल्गोरिथ्म में अपने समय की गतिशीलता को मॉडल करते हैं, तो आप पहले से ही एआरआईएमए मॉडल के बहुत करीब हैं, लेकिन यदि आप नहीं करते हैं, तो आप वास्तव में बहुत सारे ढांचे को याद करते हैं जो पूर्वानुमान लगाने में मदद करेंगे।