Prevedere più serie temporali con un modello univariabile

Crea un set di dati

Crea un set di dati BigQuery per archiviare il tuo modello ML:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai alla pagina BigQuery

2. Nel riquadro Explorer, fai clic sul nome del progetto.

3. Fai clic su more_vert Visualizza azioni > Crea set di dati.

   

4. Nella pagina Crea set di dati:

   • In ID set di dati, inserisci bqml_tutorial.

   • Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).

     I set di dati pubblici sono archiviati nella US multiregione. Per semplicità, archivia il set di dati nella stessa posizione.

   • Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.

     

Visualizzare i dati inseriti

Prima di creare il modello, puoi visualizzare facoltativamente i dati delle serie temporali di input per avere un'idea della distribuzione. Puoi farlo utilizzando Looker Studio.

L'istruzione SELECT della seguente query utilizza la funzione EXTRACT per estrarre le informazioni sulla data dalla colonna starttime. La query utilizza la clausola COUNT(*) per ottenere il numero totale giornaliero di corse in bicicletta di Citi Bike.

Per visualizzare i dati delle serie temporali:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor di query, incolla la seguente query e fai clic su Esegui:

   SELECT
     EXTRACT(DATE from starttime) AS date,
     COUNT(*) AS num_trips
   FROM
   `bigquery-public-data.new_york.citibike_trips`
   GROUP BY date;

3. Al termine della query, fai clic su Esplora i dati > Esplora con Looker Studio. Looker Studio si apre in una nuova scheda. Completa i seguenti passaggi nella nuova scheda.

4. In Looker Studio, fai clic su Inserisci > Grafico delle serie temporali.

5. Nel riquadro Grafico, scegli la scheda Configurazione.

6. Nella sezione Metrica, aggiungi il campo num_trips e rimuovi la metrica predefinita Conteggio record. Il grafico risultante è simile al seguente:

   

Crea il modello delle serie temporali

Vuoi prevedere il numero di corse in bicicletta per ogni stazione Citi Bike, il che richiede molti modelli di serie temporali; uno per ogni stazione Citi Bike inclusa nei dati di input. Per farlo, puoi scrivere più CREATE MODEL query, ma questa può essere una procedura tediosa e lunga, soprattutto se hai un numero elevato di serie temporali. In alternativa, puoi utilizzare una singola query per creare e adattare un insieme di modelli di serie temporali al fine di prevedere più serie temporali contemporaneamente.

Nella seguente query, la clausola OPTIONS(model_type='ARIMA_PLUS', time_series_timestamp_col='date', ...) indica che stai creando un modello di serie temporali basato su ARIMA. Utilizza l'opzione time_series_id_col dell'istruzione CREATE MODEL per specificare una o più colonne nei dati di input per le quali vuoi ottenere le previsioni, in questo caso la stazione Citi Bike, come rappresentata dalla colonna start_station_name. Utilizza la clausola WHERE per limitare le stazioni di partenza a quelle con Central Park nei nomi. L'opzione auto_arima_max_order dell'istruzione CREATE MODEL controlla lo spazio di ricerca per l'ottimizzazione degli iperparametri nell'algoritmo auto.ARIMA. L'opzione decompose_time_series del comando CREATE MODEL ha per impostazione predefinita il valore TRUE, in modo che le informazioni sui dati delle serie temporali vengano restituite quando valuti il modello nel passaggio successivo.

Per creare il modello:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor di query, incolla la seguente query e fai clic su Esegui:

   CREATE OR REPLACE MODEL `bqml_tutorial.nyc_citibike_arima_model_group`
   OPTIONS
   (model_type = 'ARIMA_PLUS',
     time_series_timestamp_col = 'date',
     time_series_data_col = 'num_trips',
     time_series_id_col = 'start_station_name',
     auto_arima_max_order = 5
   ) AS
   SELECT
     start_station_name,
     EXTRACT(DATE from starttime) AS date,
     COUNT(*) AS num_trips
   FROM
   `bigquery-public-data.new_york.citibike_trips`
   WHERE start_station_name LIKE '%Central Park%'
   GROUP BY start_station_name, date;

   Il completamento della query richiede circa 24 secondi, dopodiché il modello nyc_citibike_arima_model_group viene visualizzato nel riquadro Explorer. Poiché la query utilizza un'istruzione CREATE MODEL, non vengono visualizzati i risultati della query.

Questa query crea dodici modelli di serie temporali, uno per ciascuna delle dodici stazione di partenza di Citi Bike nei dati di input. Il costo in termini di tempo, circa 24 secondi, è solo 1,4 volte superiore a quello della creazione di un singolo modello di serie temporali a causa del parallelismo. Tuttavia, se rimuovi la clausolaWHERE ... LIKE ..., ci sarebbero più di 600 serie temporali da prevedere e non verrebbero previste completamente in parallelo a causa delle limitazioni della capacità degli slot. In questo caso, la query richiederà circa 15 minuti per essere completata. Per ridurre il tempo di esecuzione della query con il compromesso di un potenziale lieve calo della qualità del modello, puoi diminuire il valore dell'opzione auto_arima_max_order a 3 o 4 dal valore predefinito di 5. In questo modo, lo spazio di ricerca dell'ottimizzazione degli iperparametri nell'algoritmo auto.ARIMA viene ridotto. Per ulteriori informazioni, consulta Large-scale time series forecasting best practices.

Valuta il modello

Valuta il modello di serie temporali utilizzando la funzione ML.ARIMA_EVALUATE. La funzione ML.ARIMA_EVALUATE mostra le metriche di valutazione generate per il modello durante il processo di ottimizzazione automatica degli iperparametri.

Per valutare il modello:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor di query, incolla la seguente query e fai clic su Esegui:

   SELECT
    *
   FROM
    ML.ARIMA_EVALUATE(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`);

   I risultati dovrebbero essere simili ai seguenti:

   

   La colonna start_station_name identifica la colonna di dati di input per la quale sono state create le serie temporali. Si tratta della colonna specificata nell'opzione time_series_id_col dell'istruzione CREATE MODEL.

   Le colonne di output non_seasonal_p, non_seasonal_d, non_seasonal_q e has_drift definiscono un modello ARIMA nella pipeline di addestramento. Le colonne di output log_likelihood, AIC e variance sono pertinenti alla procedura di adattamento del modello ARIMA.La procedura di adattamento determina il miglior modello ARIMA utilizzando l'algoritmo auto.ARIMA, uno per ogni serie temporale.

   L'algoritmo auto.ARIMA utilizza il test KPSS per determinare il valore migliore per non_seasonal_d, che in questo caso è 1. Quando non_seasonal_d è 1, l'algoritmo auto.ARIMA addestra in parallelo 42 diversi modelli ARIMA candidati. In questo esempio, tutti e 42 i modelli candidati sono validi, pertanto l'output contiene 42 righe, una per ogni modello ARIMA candidato. Se alcuni modelli non sono validi, vengono esclusi dall'output. Questi modelli candidati vengono restituito in ordine crescente in base all'AIC. Il modello nella prima riga ha il valore AIC più basso ed è considerato il migliore. Questo modello migliore viene salvato come modello finale e viene utilizzato quando chiami ML.FORECAST, ML.EVALUATE e ML.ARIMA_COEFFICIENTS come mostrato nei passaggi che seguono.

   La colonna seasonal_periods contiene informazioni sul pattern stagionale identificato nei dati delle serie temporali. Ogni serie temporale può avere diversi modelli stagionali. Ad esempio, dalla figura puoi vedere che una serie temporale ha un andamento annuale, mentre altre no.

   Le colonne has_holiday_effect, has_spikes_and_dips e has_step_changes vengono compilate solo quando decompose_time_series=TRUE. Queste colonne riflettono anche informazioni sui dati delle serie temporali di input e non sono correlate alla definizione del modello ARIMA. Queste colonne hanno anche gli stessi valori in tutte le righe di output.

   Per ulteriori informazioni sulle colonne di output, consulta la funzione ML.ARIMA_EVALUATE.

Sebbene auto.ARIMA valuti dozzine di modelli ARIMA candidati per ogni serie temporale, per impostazione predefinita auto.ARIMA genera solo le informazioni del miglior modello per rendere compatta la tabella di output.ML.ARIMA_EVALUATE Per visualizzare tutti i modelli candidati, puoi impostare l'argomento show_all_candidate_model della funzione ML.ARIMA_EVALUATE su TRUE.

Ispeziona i coefficienti del modello

Controlla i coefficienti del modello di serie temporali utilizzando la funzione ML.ARIMA_COEFFICIENTS.

Per recuperare i coefficienti del modello:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor di query, incolla la seguente query e fai clic su Esegui:

   SELECT
    *
   FROM
    ML.ARIMA_COEFFICIENTS(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`);

   Il completamento della query richiede meno di un secondo. I risultati dovrebbero essere simili ai seguenti:

   

   La colonna start_station_name identifica la colonna di dati di input per la quale sono state create le serie temporali. Si tratta della colonna specificata nell'opzione time_series_id_col dell'istruzione CREATE MODEL.

   La colonna di output ar_coefficients mostra i coefficienti del modello della parte autoregressiva (AR) del modello ARIMA. Analogamente, la colonna di output ma_coefficients mostra i coefficienti del modello della parte media mobile (MA) del modello ARIMA. Entrambe le colonne contengono valori di array, le cui lunghezze sono uguali rispettivamente a non_seasonal_p e non_seasonal_q. Il valore intercept_or_drift è il termine costante nel modello ARIMA.

   Per ulteriori informazioni sulle colonne di output, consulta la funzione ML.ARIMA_COEFFICIENTS.

Utilizza il modello per prevedere i dati

Prevedi i valori futuri delle serie temporali utilizzando la funzione ML.FORECAST.

Nella seguente query GoogleSQL, la clausola STRUCT(3 AS horizon, 0.9 AS confidence_level) indica che la query prevede tre punti temporali futuri e genera un intervallo di previsione con un livello di confidenza del 90%.

Per prevedere i dati con il modello:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor di query, incolla la seguente query e fai clic su Esegui:

   SELECT
    *
   FROM
    ML.FORECAST(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`,
      STRUCT(3 AS horizon, 0.9 AS confidence_level))

3. Fai clic su Esegui.

   Il completamento della query richiede meno di un secondo. I risultati dovrebbero essere simili ai seguenti:

   

   La prima colonna, start_station_name, annota la serie temporale a cui è adattato ogni modello di serie temporale. Ogni start_station_name contiene tre righe di risultati previsti, come specificato dal valore horizon.

   Per ogni start_station_name, le righe di output sono in ordine cronologico in base al valore della colonna forecast_timestamp. Nella previsione delle serie temporali, l'intervallo di previsione, rappresentato dai valori delle colonne prediction_interval_lower_bound e prediction_interval_upper_bound, è importante quanto il valore della colonna forecast_value. Il valore forecast_value è il punto medio dell'intervallo di previsione. L'intervallo di previsione dipende dai valori delle colonne standard_error e confidence_level.

   Per ulteriori informazioni sulle colonne di output, consulta la funzione ML.FORECAST.

Spiega i risultati della previsione

Puoi ottenere le metriche di spiegabilità oltre ai dati di previsione utilizzando la funzione ML.EXPLAIN_FORECAST. La funzione ML.EXPLAIN_FORECAST prevede i valori futuri delle serie temporali e restituisce anche tutti i componenti distinti della serie temporale. Se vuoi solo restituire i dati di previsione, utilizza la funzione ML.FORECAST come mostrato in Utilizzare il modello per prevedere i dati.

La clausola STRUCT(3 AS horizon, 0.9 AS confidence_level) utilizzata nella funzione ML.EXPLAIN_FORECAST indica che la query prevede 3 punti di tempo futuri e genera un intervallo di previsione con un livello di confidenza del 90%.

Per spiegare i risultati del modello:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor di query, incolla la seguente query e fai clic su Esegui:

   SELECT
    *
   FROM
    ML.EXPLAIN_FORECAST(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`,
      STRUCT(3 AS horizon, 0.9 AS confidence_level));

   Il completamento della query richiede meno di un secondo. I risultati dovrebbero essere simili ai seguenti:

   

   Le prime migliaia di righe restituite sono tutte costituite da dati storici. Devi scorrere i risultati per visualizzare i dati di previsione.

   Le righe di output vengono ordinate prima per start_station_name, poi in ordine cronologico in base al valore della colonna time_series_timestamp. Nella previsione delle serie temporali, l'intervallo di previsione, rappresentato dai valori delle colonne prediction_interval_lower_bound e prediction_interval_upper_bound, è importante quanto il valore della colonna forecast_value. Il valore forecast_value è il punto medio dell'intervallo di previsione. L'intervallo di previsione dipende dai valori delle colonne standard_error e confidence_level.

   Per ulteriori informazioni sulle colonne di output, consulta ML.EXPLAIN_FORECAST.