什么是时间序列问题？
答：根据已有数据对未来进行预测。
先可视化分析数据，再解决问题，过程分为3个步骤
1. 预测总体原始数据去除时间影响因素，比如数据具有以周围规律的波动，则去除星期几对结果的影响。
2. 预测个体的相对偏差，即在上例中为星期几的影响。
综合起来，得到一条公式：$ y(t)=f_1(t)*f_2(week)*f_3(date)+{\epsilon}_1$
实际上要求的东西有3个，$f_1$，星期影响系数，日期影响系数。
计算星期影响因素的影响可用方法
1. 按周排好，计算每一天相对于周均值的大小，计算偏差。
2. 限幅处理，比如商家做活动的时候数据会异常大，需要去除这些异常数值的影响。
3. 对于整个星期的影响，离预测时期越近的数据影响越大，可以对数据设置权重，做一个衰减函数。
把原始数据去除时间影响。
**步骤**
1. 确定线下验证集
2. 确定损失函数
3. 确定时间衰减函数
4. 确定星期影响系数
5. 得到去除星期影响系数后的时间序列数值
6. 求得一个值，这个值在去除因素影响后损失函数最优
7. 将星期影响系数叠加回最优值中，得到周一到周日的规则最优解
