统计学习方法中的标注问题
标注问题也是监督学习中的一个分支，很多关于机器学习的书籍在监督学习中的书中都没有提过提过标注问题，而只将监督学习分为分类问题和回归问题两大类。
其实标注问题在时间序列分析中很常见，给定一个样本由一个特征序列和预测序列组成，也就是我们训练数据中所说的输入变量和输出变量，模型通过很多的样本训练，以至于可以对于一个特征序列能给出一个预测效果最好的预测序列。
处理标注问题的模型，我们现在主要使用神经网络的方法。因为有些神经网络可以对数据产生“记忆”,比如可以长期记忆的lstm模型，而且可以在训练过程中对“记忆”进行取舍，保留有用的，去掉无用的。还有比如只考虑近期状态的rnn模型。这两种模型在不同的应用场景各有各的优点。当然，现在也有将这两种模型合并的如lstm-rnn模型。