Les time series (que l'on traduit par séries chronologiques ou séries temporelles) se présentent sous la forme d'une suite de valeurs numériques correspondant à l'évolution d'une variable dans le temps. Historiquement utilisées en économétrie, elles sont conçues pour analyser une tendance passée et prévoir son évolution dans le futur par le biais de statistiques ou de probabilités.
Les time series sont très utilisées en apprentissage machine pour concevoir des modèles de classement, de clustering, de prédiction ou de détection d'anomalie.
On distingue deux grands types de séries temporelles : les séries temporelles univariées et les séries temporelles multivariées. Leur principale différence tient au nombre de variables pour un indicateur de temps donné. Une série temporelle univariée se limite à l'évolution d'une variable unique dans le temps. Une série chronologique multivariée regroupe, elle, plusieurs séries univariées. Elle permet d'identifier les corrélations entre plusieurs variables évoluant dans le temps.
L'analyse de séries temporelles est une manière d'analyser une séquence de points de données chronologiques. Elle consiste à enregistrer ces points de données à intervalles réguliers sur une période de temps définie. Les principaux éléments d’étude de la time series analysis sont les suivants :
L'analyse de séries temporelles permet d'identifier des liens, des facteurs de causalité ou de réaliser une prédiction.
Une time series database (TSDB), ou base de données de séries temporelles, est un serveur logiciel optimisé pour stocker et diffuser des séries chronologiques par le biais de paires associant un valeur de temps à une variable.
La clustering de séries temporelles consiste à partitionner un jeu de points de données temporels en groupes de points similaires en vue d'en appréhender la structure. La méthode K-means permet de réaliser cette opération.
Afin d’exploiter les fonctions de prédiction d’une série temporelle, il existe différentes méthodes :
La time series database est une base de données optimisée pour les valeurs horodatées. Celles-ci sont collectées suivant des laps de temps prédéfinis. Quant aux données de séries chronologiques, il s'agit simplement de mesures ou d'événements qui sont suivis, surveillés, sous-échantillonnés et agrégés au fil du temps.
Sommaire Les séries temporelles, c’est quoi ? Les séries temporelles en machine learning Les séries temporelles multivariées ? Que signifie time series analysis ? Une time series database, c'est quoi ? En quoi consiste le time…
Je gère mes abonnements push
Les informations recueillies sont destinées à CCM Benchmark Group pour vous assurer l’envoi de votre newsletter.
Elles seront également utilisées sous réserve des options souscrites, par CCM Benchmark Group à des fins de ciblage publicitaire et prospection commerciale au sein du Groupe Le Figaro, ainsi qu’avec nos partenaires commerciaux.
Le traitement de votre email à des fins de publicité et de contenus personnalisés est réalisé lors de votre inscription sur ce formulaire. Toutefois, vous pouvez vous y opposer à tout moment
Plus généralement, vous bénéficiez d’un droit d’accès et de rectification de vos données personnelles, ainsi que celui d’en demander l’effacement dans les limites prévues par la loi.
Vous pouvez également à tout moment revoir vos options en matière de prospection commerciale et ciblage. En savoir plus sur notre politique de confidentialité ou notre politique Cookies.