时间序列预测与线性回归

之前了解过这两个概念，但是不是很清楚其中的区别。

最近深入写了一些时间序列预测的代码，回忆了一下线性回归就有点理解了。

在做时间序列预测的时候，我手头是时间序列数据，想求的或只能求的也是未来的发展趋势，要是我现在手头有10年的客户需求数量，我可以通过时间序列的多个预测模型计算出下一个节点的预测特质,之所以这样做，是因为我手套只有一套历史的时间序列数据。

这个和之前提过的安全库存的公式计算方法有什么区别？公式计算方法固然呆板，很难预测新的走势，但是我隐约觉得和时间序列预测不是一个解题思路。

回忆线性回归的学习，提供工具两套序列值，利用工具可以计算出两者的相关性程度，你可以求解除两者的公式之间的关联。这个就是线性回归的典型应用

反过来看固定公式，本质上也是多个变量与结果的关系的固化。而通过数据推导出来的公式，更能够适合未来发展的趋势。也就是说未来有足够多的变量，就可以计算出目标值。

补偿，今天看到一个案例，发现在单一时间序列中，也可以运用线性回归，变量分别是时间和实际值，两者呈线性关系。