ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของวิธีการเรียนรู้ด้วยเครื่อง ในการพยากรณ์ข้อมูลอนุกรมเวลา โดยใช้วิธีช่วงเวลาที่ล่าช้ากว่ากัน แบ่งออกเป็น 3 ช่วงเวลา คือ ช่วงเวลาที่ช้ากว่ากัน 10, 15 และ 20 หน่วย มาใช้เป็นตัวแปรอิสระ โดยใช้วิธีการเรียนรู้ด้วยเครื่อง 4 วิธี ได้แก่:

• วิธีต้นไม้ตัดสินใจ (Decision Tree)
• วิธีป่าสุ่ม (Random Forest)
• วิธีเพื่อนบ้านใกล้เคียงสุด K อันดับ (KNN)
• วิธีซัพพอร์ตเวกเตอร์แมชชีน (SVM)

การวิจัยจำลองข้อมูลอนุกรมเวลาที่มีลักษณะหลากหลาย ได้แก่ ข้อมูลเดินแบบสุ่ม (Random Walk), ข้อมูลมีแนวโน้ม (Trend), และข้อมูลไม่เชิงเส้น (Non-Linear) โดยใช้โปรแกรม R ในการวิเคราะห์และทำซ้ำ 1,000 รอบ ผลการวิจัยพบว่าประสิทธิภาพของแต่ละวิธีขึ้นอยู่กับลักษณะของข้อมูลและประเภทของข้อมูลจริงที่นำมาทดสอบ