일변량 모델로 여러 시계열 예측

데이터 세트 생성

ML 모델을 저장할 BigQuery 데이터 세트를 만듭니다.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery 페이지로 이동

2. 탐색기 창에서 프로젝트 이름을 클릭합니다.

3. more_vert 작업 보기 > 데이터 세트 만들기를 클릭합니다.

   

4. 데이터 세트 만들기 페이지에서 다음을 수행합니다.

   • 데이터 세트 ID에 bqml_tutorial를 입력합니다.

   • 위치 유형에 대해 멀티 리전을 선택한 다음 US(미국 내 여러 리전)를 선택합니다.

     공개 데이터 세트는 US 멀티 리전에 저장됩니다. 편의상 같은 위치에 데이터 세트를 저장합니다.

   • 나머지 기본 설정은 그대로 두고 데이터 세트 만들기를 클릭합니다.

     

입력 데이터 시각화

모델을 만들기 전에 원하는 경우 입력 시계열 데이터를 시각화하여 분포를 파악할 수 있습니다. Looker Studio를 사용하여 이를 수행할 수 있습니다.

다음 쿼리의 SELECT 문은 EXTRACT 함수를 사용하여 starttime 열에서 날짜 정보를 추출합니다. 이 쿼리는 COUNT(*) 절을 사용하여 일간 총 도심 자전거 여행 수를 가져옵니다.

시계열 데이터를 시각화하려면 다음 단계를 따르세요.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 쿼리 편집기에 다음 쿼리를 붙여넣고 실행을 클릭합니다.

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

3. 쿼리가 완료되면 데이터 탐색 > Looker Studio로 탐색을 클릭합니다. Looker Studio가 새 탭에서 열립니다. 새 탭에서 다음 단계를 완료합니다.

4. Looker Studio에서 삽입 > 시계열 차트를 클릭합니다.

5. 차트 창에서 설정 탭을 선택합니다.

6. 측정항목 섹션에서 num_trips 필드를 추가하고 기본 레코드 수 측정항목을 삭제합니다. 결과 차트는 다음과 유사합니다.

   

시계열 모델 만들기

각 Citi Bike(뉴욕 자전거 공유 프로그램) 역의 자전거 이동 수를 예측하려고 합니다. 이를 위해서는 입력 데이터에 포함된 각 Citi Bike 역마다 하나씩 여러 개의 시계열 모델이 필요합니다. 이렇게 하려면 여러 CREATE MODEL 쿼리를 작성할 수 있지만, 특히 시계열 수가 많을 때 이렇게 하면 번거롭고 시간도 많이 소요될 수 있습니다. 대신 단일 쿼리를 사용하여 일련의 시계열 모델을 만들고 적합화하여 여러 시계열을 한 번에 예측할 수 있습니다.

다음 쿼리에서 OPTIONS(model_type='ARIMA_PLUS', time_series_timestamp_col='date', ...) 절은 ARIMA 기반 시계열 모델을 만들고 있음을 나타냅니다. CREATE MODEL 문에 있는 time_series_id_col 옵션을 사용하여 예측을 가져올 입력 데이터의 열을 하나 이상 지정합니다. 이 경우 start_station_name 열로 표시된 Citi Bike 스테이션입니다. WHERE 절을 사용하여 시작 정거장을 이름에 Central Park가 포함된 정거장으로 제한합니다. CREATE MODEL 문에 있는 auto_arima_max_order 옵션은 auto.ARIMA 알고리즘에서 초매개변수 조정을 위한 검색 공간을 제어합니다. CREATE MODEL 문에 있는 decompose_time_series 옵션은 기본적으로 TRUE로 설정되므로 다음 단계에서 모델을 평가할 때 시계열 데이터에 관한 정보가 반환됩니다.

모델을 만들려면 다음 단계를 따르세요.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 쿼리 편집기에 다음 쿼리를 붙여넣고 실행을 클릭합니다.

   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;

   이 쿼리는 완료하는 데 약 24초가 소요되며 이후에는 nyc_citibike_arima_model_group 모델이 탐색기 창에 표시됩니다. 이 쿼리에서는 CREATE MODEL 문을 사용하므로 쿼리 결과가 표시되지 않습니다.

이 쿼리는 입력 데이터의 12개 Citi Bike 출발역에 대해 하나씩 12개의 시계열 모델을 만듭니다. 약 24초에 해당하는 시간 비용은 병렬 처리로 인해 단일 시계열 모델을 만들 때와 비교해도 1.4배에 불과합니다. 그러나 WHERE ... LIKE ... 절을 삭제하면 예측해야 할 시계열이 600개 이상이 되고, 슬롯 용량 제한으로 인해 완전히 병렬로 예측되지도 않습니다. 이 경우 쿼리를 완료하는 데 약 15분 정도 걸립니다. 모델 품질을 약간 떨어뜨려서 쿼리 런타임을 줄이려면 auto_arima_max_order 옵션의 값을 기본값인 5에서 3 또는 4로 낮출 수 있습니다. 이렇게 하면 auto.ARIMA 알고리즘에서 초매개변수 조정의 검색 공간이 줄어듭니다. 자세한 내용은 Large-scale time series forecasting best practices를 참고하세요.

모델 평가

ML.ARIMA_EVALUATE 함수를 사용하여 시계열 모델을 평가합니다. ML.ARIMA_EVALUATE 함수는 자동 초매개변수 조정 과정에서 모델에 대해 생성된 평가 측정항목을 보여줍니다.

모델을 평가하려면 다음 단계를 따르세요.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 쿼리 편집기에 다음 쿼리를 붙여넣고 실행을 클릭합니다.

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

   다음과 같은 결과가 표시됩니다.

   

   start_station_name 열은 시계열이 생성된 입력 데이터 열을 식별합니다. CREATE MODEL 문에 있는 time_series_id_col 옵션에 지정한 열입니다.

   non_seasonal_p, non_seasonal_d, non_seasonal_q, has_drift 출력 열은 학습 파이프라인에서 ARIMA 모델을 정의합니다. log_likelihood, AIC, variance 출력 열은 ARIMA 모델 접합 프로세스와 관련이 있습니다.접합 프로세스에서는 auto.ARIMA 알고리즘을 사용하여 각 시계열마다 하나씩 최적의 ARIMA 모델을 결정합니다.

   auto.ARIMA 알고리즘은 KPSS 테스트를 사용하여 non_seasonal_d의 최적 값을 결정합니다. 이 경우에는 1입니다. non_seasonal_d가 1이면 auto.ARIMA 알고리즘이 42개의 서로 다른 후보 ARIMA 모델을 병렬로 학습시킵니다. 이 예시에서는 42개 후보 모델이 모두 유효하므로 출력에는 후보 ARIMA 모델마다 하나씩 42개의 행이 포함됩니다. 일부 모델이 유효하지 않은 경우 출력에서 제외됩니다. 이러한 후보 모델은 AIC에 따라 오름차순으로 반환됩니다. 첫 번째 행의 모델은 AIC가 가장 낮으며 최적 모델로 간주됩니다. 이 최적 모델은 최종 모델로 저장되며 다음 단계와 같이 ML.FORECAST, ML.EVALUATE, ML.ARIMA_COEFFICIENTS를 호출할 때 사용됩니다.

   seasonal_periods 열에는 시계열 데이터에서 식별된 계절 패턴에 관한 정보가 포함됩니다. 각 시계열은 서로 다른 계절성 패턴을 포함할 수 있습니다. 예를 들어 그림에서 연간 패턴을 갖는 시계열 하나와 그렇지 않은 시계열들을 확인할 수 있습니다.

   has_holiday_effect, has_spikes_and_dips, has_step_changes 열은 decompose_time_series=TRUE인 경우에만 채워집니다. 또한 이러한 열은 입력 시계열 데이터에 관한 정보를 반영하며 ARIMA 모델링과 관련이 없습니다. 또한 이러한 열은 모든 출력 행에서 동일한 값을 갖습니다.

   출력 열에 관한 자세한 내용은 ML.ARIMA_EVALUATE 함수를 참고하세요.

auto.ARIMA는 시계열마다 후보 ARIMA 모델 십여 개를 평가하지만 ML.ARIMA_EVALUATE는 기본적으로 출력 테이블을 줄이기 위해 최적 모델의 정보만 출력합니다. 모든 후보 모델을 보려면 ML.ARIMA_EVALUATE 함수의 show_all_candidate_model 인수를 TRUE로 설정하면 됩니다.

모델 계수 검사

ML.ARIMA_COEFFICIENTS 함수를 사용하여 시계열 모델의 계수를 검사합니다.

모델의 계수를 가져오려면 다음 단계를 따르세요.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 쿼리 편집기에 다음 쿼리를 붙여넣고 실행을 클릭합니다.

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

   이 쿼리는 완료되는 데 1초도 걸리지 않습니다. 결과는 다음과 비슷하게 표시됩니다.

   

   start_station_name 열은 시계열이 생성된 입력 데이터 열을 식별합니다. CREATE MODEL 문에 있는 time_series_id_col 옵션에 지정한 열입니다.

   ar_coefficients 출력 열에는 ARIMA 모델의 자동 회귀 (AR) 부분의 모델 계수가 표시됩니다. 마찬가지로 ma_coefficients 출력 열에는 ARIMA 모델의 이동 평균 (MA) 부분의 모델 계수가 표시됩니다. 두 열 모두 길이가 각각 non_seasonal_p 및 non_seasonal_q에 해당하는 배열 값을 포함합니다. intercept_or_drift 값은 ARIMA 모델의 상수 항입니다.

   출력 열에 관한 자세한 내용은 ML.ARIMA_COEFFICIENTS 함수를 참고하세요.

모델을 사용하여 데이터 예측

ML.FORECAST 함수를 사용하여 미래 시계열 값을 예측합니다.

다음 GoogleSQL 쿼리에서 STRUCT(3 AS horizon, 0.9 AS confidence_level) 절은 쿼리가 3개의 미래 시점을 예측하고 90% 신뢰 수준의 예측 구간을 생성함을 나타냅니다.

모델을 사용하여 데이터를 예측하려면 다음 단계를 따르세요.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 쿼리 편집기에 다음 쿼리를 붙여넣고 실행을 클릭합니다.

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

3. 실행을 클릭합니다.

   이 쿼리는 완료되는 데 1초도 걸리지 않습니다. 다음과 같은 결과가 표시됩니다.

   

   첫 번째 열인 start_station_name은 각 시계열 모델이 접합된 시계열을 주석 처리합니다. 각 start_station_name에는 horizon 값으로 지정된 대로 예측 결과 행 3개가 있습니다.

   각 start_station_name의 출력 행은 forecast_timestamp 열 값을 기준으로 시간 순으로 정렬됩니다. 시계열 예측에서 prediction_interval_lower_bound 및 prediction_interval_upper_bound 열 값으로 표시되는 예측 구간은 forecast_value 열 값만큼 중요합니다. forecast_value 값은 예측 구간의 중간 포인트입니다. 예측 구간은 standard_error 및 confidence_level 열 값에 따라 달라집니다.

   출력 열에 관한 자세한 내용은 ML.FORECAST 함수를 참고하세요.

예측 결과 설명

ML.EXPLAIN_FORECAST 함수를 사용하여 예측 데이터 외에 설명 가능성 측정항목을 가져올 수 있습니다. ML.EXPLAIN_FORECAST 함수는 미래 시계열 값을 예측하고 시계열의 모든 개별 구성요소를 반환합니다. 예측 데이터만 반환하려면 모델을 사용하여 데이터 예측에 나온 대로 ML.FORECAST 함수를 대신 사용하세요.

ML.EXPLAIN_FORECAST 함수에 사용된 STRUCT(3 AS horizon, 0.9 AS confidence_level) 절은 쿼리가 미래 시점 3개를 예측하고 90% 신뢰도로 예측 구간을 생성함을 나타냅니다.

모델의 결과를 설명하려면 다음 단계를 따르세요.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 쿼리 편집기에 다음 쿼리를 붙여넣고 실행을 클릭합니다.

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

   이 쿼리는 완료되는 데 1초도 걸리지 않습니다. 다음과 같은 결과가 표시됩니다.

   

   반환된 처음 수천 개의 행은 모두 이전 데이터입니다. 예측 데이터를 보려면 결과를 스크롤해야 합니다.

   출력 행은 먼저 start_station_name별로 정렬된 다음 time_series_timestamp 열 값별로 시간순으로 정렬됩니다. 시계열 예측에서 prediction_interval_lower_bound 및 prediction_interval_upper_bound 열 값으로 표시되는 예측 구간은 forecast_value 열 값만큼 중요합니다. forecast_value 값은 예측 구간의 중간 포인트입니다. 예측 구간은 standard_error 및 confidence_level 열 값에 따라 달라집니다.

   출력 열에 관한 자세한 내용은 ML.EXPLAIN_FORECAST를 참고하세요.