搜尋意圖： 如果你在找「狀態空間模型 是什麼」或「狀態空間模型 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 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。
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
你有沒有看過時間一直往前走，但真正要追的是看不見的內部狀態？
你可以把它想成用隱藏狀態描述系統變化。 狀態空間模型 的重點是 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。 它重要，是因為它能處理時間序列、控制和追蹤問題。
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。