狀態空間模型 是什麼？

State Space Model — 狀態空間模型 的完整解釋

狀態空間模型是一種數學模型，用於描述系統隨時間演變的狀態。它包含狀態方程和觀測方程，廣泛應用於控制、預測和訊號處理。

容易混淆

狀態空間模型 vs 差分整合移動平均 狀態空間模型：偏向 用隱藏狀態描述變化 差分整合移動平均：偏向 傳統時間序列模型 最關鍵的區別：狀態空間模型看的是「用隱藏狀態描述變化」，差分整合移動平均看的是「傳統時間序列模型」。

狀態空間模型 vs 馬可夫決策過程 狀態空間模型：偏向 用隱藏狀態描述變化 馬可夫決策過程：偏向 描述決策流程的數學框架 最關鍵的區別：狀態空間模型看的是「用隱藏狀態描述變化」，馬可夫決策過程看的是「描述決策流程的數學框架」。

記住這句就好

先估內部狀態，再看觀測值。

實際案例

案例：追蹤溫度或機械位置 先估內部狀態，再對照觀測數據修正

案例：分析經濟或感測序列 外部資料會吵，但內部狀態能幫你看趨勢

算法與應用

把看不見的狀態當成核心 用狀態方程描述變化，用觀測方程連到資料 適合時間序列、控制與追蹤

情境判斷

Q1（直覺題）： 溫度資料一直上下跳，還能做預測嗎？ → 可以，狀態空間模型會把噪聲和內部狀態分開看。

Q2（判斷題）： 如果系統是高度非線性的，這種方法還有用嗎？ → 看情況，非線性時通常要改用近似或擴展方法，模型會更複雜。

常見問題

什麼時候比回歸更有用？

當資料有明顯時間順序，而且你想描述系統怎麼隨時間變化時，就很有用。

和神經網路有什麼關係？

它們都能處理序列，但狀態空間模型更強調可解釋的動態結構。

非線性時就不能用了嗎？

不是，非線性時可以改用擴展或近似方法，只是建模和估計會更複雜。