我正在尝试将机器学习算法应用于一个数据集，该数据集包含一个名为SO2（目标变量）的引擎排放的污染气体数据，这些数据是在6个月的时间内每隔15分钟收集一次。数据集中还包括其他独立变量，如压力、蒸汽等，均与时间相关。现在的问题是，我应该使用像ARIMA这样的时间序列模型来预测SO2，还是应该使用随机森林或SVM进行预测？

谢谢

回答：

我建议你选择时间序列建模而不是SVM。你的SVM会认为样本是独立同分布的（i.i.d），不会考虑跨时间封装的信息。