正如dsaxton 所说，“时间序列分析”既不是算法也不是预测方法。这是一个研究领域。此外，大部分时间序列分析甚至不涉及预测，而仅涉及了解时间序列的过去动态（例如，变化点检测）。

适用于预测的特定时间序列分析技术，如 ARIMA 模型或指数平滑，当然可以称为“学习算法”，并被视为机器学习 (ML) 的一部分，就像回归一样。他们只是很少。

我想说这反映了时间序列分析在 ML 出现时已经非常成熟并开发了自己的语言，所以很少有时间序列分析师会认为他们正在做的事情是机器学习（就像很少有统计学家会想的那样）回归作为 ML - 是 ML 社区根据 ML 命名法对已建立的方法进行分类）。

相反，ML 社区并没有真正在时间序列本身上做很多事情，而且像神经网络这样的“经典”ML 算法在明显优于经典时间序列算法的预测方面确实并没有过于成功。如果您在 ML 算法中对时间动态进行建模，那么您已经非常接近 ARIMA 模型，但如果您不这样做，您真的会错过很多有助于预测的结构。