答：UCR时间序列数据集是时序领域的“Imagnet”，涵盖医疗/电力/地理 等诸多领域，目前全量数据有128种。 涉及时间序列预测、回归、聚类等诸多任务，可以说是发Paper必跑数据集，由加州大学河滨分校计算机系的教授 Eamonn Keogh 所在的课题组维护。 http://www. figShare是一个研究成果共享平台，这里向全世界开放免费的研究成果及科学数据。 该项目提供了一个非常全面的数据获取渠道，包含各个细分领域的数据库资源，自然科学和社会科学的覆盖都很全面，适合做研究和数据分析的人员。 该数据集是由人工神经网络公司Numenta所提供的，包含互联网服务场景下的各种流式数据与评测脚本。
答：时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。
答：时间序列分析既包含了对过去数据的诊断，也包括对未来数据的预测。 在最开始，时间序列分析并不是作为一个独立的学科而存在的，而是作为某些学科领域分析方法的一部分，因此有许多领域都对时间序列技术的发展起到了重要贡献。 比较典型的例子包括： 一直到20世纪20年代，时间序列分析才正式脱离于其他学科独立发展，当时的一个标志是自回归模型的应用，这也奠定了基于统计学的时间序列分析的开端。 而基于机器学习的时间序列分析则最早开始于1969年，集成方法被应用于时间序列数据上，到了80年代更多应用场景涌现出来，如异常检测，动态时间规整，循环神经网络等。
答：平均数时间序列是指由一系列同类平均指标按时间先后顺序排列的时间序列。 1、 时间序列分析法 是根据过去的变化趋势预测未来的发展,它的前提是假定事物的过去延续到未来。 时间序列分析，正是根据客观事物发展的连续规律性,运用过去的历史数据，通过统计分析,进一步推测未来的发展趋势。
工具