1. 序列数据
- 实际中很多数据是有时序结构的
- 例如，电影的评价随时间变化而变化
- 拿奖后评分上升，直到奖项被忘记
- 看了很多好电影后，人们的期望变高
- 季节性：贺岁片、暑期档
- 导演、演员的负面报道导致评分变低
2. 序列数据-更多例子
- 音乐、语言、文本和视频都是连续的
- 标题“狗咬人”远没有“人咬狗”那么令人惊讶
- 大地震发生后，很可能会有几次较小的余震
- 人的互动是连续的，从网上吵架可以看出
- 预测明天的股价要比填补昨天遗失的股价更难
3. 统计工具
反序在某些时候是有意义的，已经知道未来的事情，去推之前的事情。
4. 序列模型
5. 方案A-马尔科夫假设
6. 方案B-潜变量模型
7. 总结
- 时序模型中，当前数据跟之前观察到的数据相关
- 自回归模型使用自身过去数据来预测未来
- 马尔科夫模型假设当前只跟最近少数数据相关，从而简化模型
- 潜变量模型使用潜变量来概括历史信息
