¿Cuáles son los mejores / más comunes algoritmos de clasificación de aprendizaje supervisado para datos de series temporales?

Los CRF son bastante buenos para esto, y a diferencia de los HMM, puede hacer que usen cualquier cantidad de características. También hay una serie de implementaciones no lineales de CRF, como los CRF de cadena de salto para los casos en los que desea factorizar en una ventana más compleja que simplemente algo así como el valor en el tiempo y-1. Los he usado antes para PNL donde el contexto es importante. En realidad, nunca he usado uno para datos de series temporales, pero imagino que funcionarían bien por la misma razón.

No existe el mejor algoritmo. Un algoritmo funcionará bien en algunos conjuntos de datos y malo en otros conjuntos de datos.

Cualquier algoritmo de aprendizaje automático se puede utilizar para el análisis de series de tiempo utilizando el marco de incrustación. Estos son algunos resultados académicos de Google:
series de tiempo que pronostican redes neuronales
Resultados 1 – 100 de aproximadamente 59.800 . ( 0.46 segundos)

árbol de decisión de pronóstico de series de tiempo
Resultados 1 – 100 de aproximadamente 44.300 . ( 0,42 segundos)

predicción de series de tiempo markov
Resultados 1 – 100 de aproximadamente 39.700 . ( 0.44 segundos)

series de tiempo que pronostican la evolución genética
Resultados 1 – 100 de aproximadamente 26.600 . ( 0.46 segundos)

previsión de series temporales ARIMA
Resultados 1 – 100 de aproximadamente 22.900 . ( 0.61 segundos)

series de tiempo que pronostican al vecino más cercano
Resultados 1 – 100 de aproximadamente 18.400 . ( 0,40 segundos)