【面試思路拓展】
對時間序列進行預測的方法有很多，
但如果只有幾周的數據，而沒有很多線性的趨勢、各種實際的背景該如何去預測時間序列？
或許可以嘗試下利用SVM去預測時間序列，那么如何提取預測的特征呢？
傳統的做法是提取1、2、3、4、5、7、9、13個單位時間的數據作為特征進行預測；
舉個例子進行分析，比如每天都有口香糖的銷量，那么如何通過幾周的數據預測明天的數據，
就可以選擇前1、2、3、4、5、7、14天的數據作為特征，從而預測明天的數據，
通過構建特征，再選擇核函數進行預測，其中調參的參數盡量要進行最優化，
參考方法：如果選擇RBF核函數，那么其中就會有三個參數，固定兩個，然后不停的優化另外一個，直到得到最優解。
具體應用的例子：
（1）SVM預測風場：http://wenku.baidu.com/link?url=SCCIJJe8tXLbTjLMZ81x5Qy6elsceAKIOwtkZ0QxfSCQQ4KaWKwo8Biepjs3Ss2LJ2ewhisNR0ixrDY4kV1Rd7BcqWRenuTaG85K80E-30y
（2）SVM預測股票指數：基於SVM修正的模糊時間序列模型在滬指預測中的應用
（3）SVM預測時間序列其他方面：http://www.docin.com/p-233353900.html