来自给定时间序列数据的相关矩阵的预测有多种针对一系列问题的应用程序，例如从峰值数据推断神经元连接，从表达数据中推论基因之间的因果关系，并发现气候变化的长空间范围影响。预测相关矩阵的传统方法利用了基础网络所有节点的时间序列数据。在这里，我们使用监督的机器学习技术来预测一些随机选择节点的有限时间序列信息的整个系统的相关矩阵。来自模型的预测的准确性证实，整个系统的一个子集的有限时间序列足以做出良好的相关矩阵预测。此外，使用无监督的学习算法，我们提供了对模型预测成功的见解。最后，我们将此处开发的机器学习模型应用于现实世界数据集。
translated by 谷歌翻译