Sebagaimana dsaxton catat , "analisis deret waktu" bukanlah suatu algoritma maupun metode peramalan. Ini adalah bidang studi . Selain itu, banyak dari analisis time series bahkan tidak peduli dengan peramalan, tetapi hanya dengan memahami masa lalu dinamika seri waktu (misalnya, perubahan deteksi titik).
Teknik analisis deret waktu khusus yang cocok untuk peramalan , seperti model ARIMA atau Eksponensial Pemulusan, tentu dapat disebut "algoritma pembelajaran" dan dianggap sebagai bagian dari pembelajaran mesin (ML) seperti halnya untuk regresi. Mereka jarang.
Saya akan mengatakan ini mencerminkan bahwa analisis deret waktu sudah sangat mapan dan dikembangkan bahasanya sendiri pada saat ML muncul, jadi beberapa analis deret waktu akan memikirkan apa yang mereka lakukan sebagai pembelajaran mesin (seperti beberapa ahli statistik akan berpikir regresi sebagai ML - itu adalah komunitas ML yang mengklasifikasikan metode yang ditetapkan di bawah nomenklatur ML).
Sebaliknya, komunitas ML belum benar-benar melakukan banyak hal dengan deret waktu, dan algoritma ML "klasik" seperti jaringan saraf benar-benar tidak terlalu berhasil dalam arti mengungguli dengan jelas algoritma deret waktu klasik untuk peramalan. Jika Anda memodelkan dinamika waktu Anda dalam algoritma ML, Anda sudah cukup dekat dengan model ARIMA, tetapi jika tidak, Anda benar-benar kehilangan banyak struktur yang akan membantu dalam peramalan.