这节课咱们的任务目标是基于 tcl 进行一个时间序列任务的预测 ，先给大家解释一下吧 ，咱们的时间序列说的是一件什么事儿 ，这里啊就是咱们的数据啊 ，跟之前是不太一样了 ，在以前任务当中 ，好像是我们的输入来对应一个输出 ，一个输入 ，再来一个输出 ，再来输入 ，再来输出 ，输入之间可能没有什么太大的关系 ，比如一些图像数据 ，还有传统的数学数据 ，当然就是文本数据当中啊 ，可能是跟实验数据啊比较相关的一句话 ，我们也可以把它当作是一个时间序列 ，因为一句话当中啊 ，咱们有第一个词诶 ，第一次出来之后再说第二次 ，第二次出来之后再说第三个词 ，有这样一个数据的关系啊 ，我们把这个任务就叫做一个时间序列了 ，其实在这个当中啊 ，咱们的时间序列还是比较常见的 ，比如说一些气温数据 ，气温啊随着时间的变化 ，然后得到各种各样的指标 ，那我说我想接下来去预测在未来的某一段时间当中 ，我们这个气温的一个走势 ，那这个就是时间序列 ，我们会基于啊历史的一个数据 ，当然这个历史数据啊并不是某一天的 ，而是一个序列 ，比如现在我有这个这个呃一个月的吧 ，一个月当中的一号它的一个气温 ，然后还有二号的气温 ，然后呢还有三号四号一直到五号的气温吧 ，我说接下来我想预测第六号的一个气温数据 ，我拿蓝色划这个什么要预测的 ，那这回啊大家可以想一想 ，那既然咱们这些时间序列任务前面的一个输入是不是都会对最终结果产生影响 ，一会对这产生影响 ，234562345也会吧 ，所以说啊 ，咱一会儿要大家用的模型 ，肯定咱不是一个传统神经网络 ，也不一般情况下也不用卷积神经网络应该用什么 ，应该用一个 rn 网络吧 ，好了 ，一会儿啊 ，咱们的核心架构就是用 rn 来去构建一个时间序列 ，预测的一个任务 ，然后接下来呢给大家说一下吧 ，就是咱们这个任务给大家举了一个例子 ，数据集啊 ，给大家选的是一个气温的数据啊 ，希望刚才说的咱们真拿到一个气温数据 ，然后呢在这个数据当中啊 ，我们有很多指标啊 ，比如说实际的气温有多少 ，

然后当天的一个压强啊 ，当天的各种各样指标 ，降水啊 ，降雨 ，好多指标咱都有啊 ，这些我们可以当做一些辅助的特征 ，然后呢咱们认为啊 ，就是去预测未来唉比如说某一个时间点 ，或者说某一个时间片段 ，那时间点和片段有什么有什么区别啊 ，给大家换一下时间点 ，这样的时间点就像咱们该画的 ，