Prevedere una singola serie temporale con un modello multivariato

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.

     

Crea una tabella di dati di input

Crea una tabella di dati da utilizzare per addestrare e valutare il modello. Questa tabella combina le colonne di diverse tabelle nel set di dati bigquery-public-data.epa_historical_air_quality per fornire dati meteorologici giornalieri. Crea anche le seguenti colonne da utilizzare come variabili di input per il modello:

• date: la data dell'osservazione
• pm25 il valore medio di PM2,5 per ogni giorno
• wind_speed: la velocità media del vento per ogni giorno
• temperature: la temperatura più alta per ogni giorno

Nella seguente query GoogleSQL, la clausola FROM bigquery-public-data.epa_historical_air_quality.*_daily_summary indica che stai eseguendo query sulle tabelle *_daily_summary nel set di dati epa_historical_air_quality. Queste tabelle sono tabelle partizionate.

Per creare la tabella di dati di input:

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 TABLE `bqml_tutorial.seattle_air_quality_daily`
   AS
   WITH
     pm25_daily AS (
       SELECT
         avg(arithmetic_mean) AS pm25, date_local AS date
       FROM
         `bigquery-public-data.epa_historical_air_quality.pm25_nonfrm_daily_summary`
       WHERE
         city_name = 'Seattle'
         AND parameter_name = 'Acceptable PM2.5 AQI & Speciation Mass'
       GROUP BY date_local
     ),
     wind_speed_daily AS (
       SELECT
         avg(arithmetic_mean) AS wind_speed, date_local AS date
       FROM
         `bigquery-public-data.epa_historical_air_quality.wind_daily_summary`
       WHERE
         city_name = 'Seattle' AND parameter_name = 'Wind Speed - Resultant'
       GROUP BY date_local
     ),
     temperature_daily AS (
       SELECT
         avg(first_max_value) AS temperature, date_local AS date
       FROM
         `bigquery-public-data.epa_historical_air_quality.temperature_daily_summary`
       WHERE
         city_name = 'Seattle' AND parameter_name = 'Outdoor Temperature'
       GROUP BY date_local
     )
   SELECT
     pm25_daily.date AS date, pm25, wind_speed, temperature
   FROM pm25_daily
   JOIN wind_speed_daily USING (date)
   JOIN temperature_daily USING (date);

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.

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
     *
   FROM
     `bqml_tutorial.seattle_air_quality_daily`;

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 i campi pm25, temperature e wind_speed e rimuovi la metrica predefinita Conteggio record. Il grafico risultante è simile al seguente:

   

   Dal grafico si evince che la serie temporale di input presenta un andamento stagionale settimanale.

Crea il modello delle serie temporali

Crea un modello di serie temporali per prevedere i valori delle particelle inquinanti, come rappresentato dalla colonna pm25, utilizzando i valori delle colonne pm25, wind_speed e temperature come variabili di input. Addestra il modello con i dati sulla qualità dell'aria della tabellabqml_tutorial.seattle_air_quality_daily, selezionando i dati raccolti tra il 1° gennaio 2012 e il 31 dicembre 2020.

Nella seguente query, la clausola OPTIONS(model_type='ARIMA_PLUS_XREG', time_series_timestamp_col='date', ...) indica che stai creando un modello ARIMA con regressori esterni. L'opzione auto_arima del statement CREATE MODEL è impostata per impostazione predefinita su TRUE, pertanto l'algoritmo auto.ARIMA ottimizza automaticamente gli iperparametri nel modello. L'algoritmo adatta dozzine di modelli candidati e sceglie il migliore, ovvero quello con il criterio di informazione di Akaike (AIC) più basso. L'opzione data_frequency delle istruzioni CREATE MODEL è impostata per impostazione predefinita su AUTO_FREQUENCY, pertanto il processo di addestramento deducono automaticamente la frequenza dei dati della serie temporale di input.

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.seattle_pm25_xreg_model`
     OPTIONS (
       MODEL_TYPE = 'ARIMA_PLUS_XREG',
       time_series_timestamp_col = 'date',  # Identifies the column that contains time points
       time_series_data_col = 'pm25')       # Identifies the column to forecast
   AS
   SELECT
     date,                                  # The column that contains time points
     pm25,                                  # The column to forecast
     temperature,                           # Temperature input to use in forecasting
     wind_speed                             # Wind speed input to use in forecasting
   FROM
     `bqml_tutorial.seattle_air_quality_daily`
   WHERE
     date
     BETWEEN DATE('2012-01-01')
     AND DATE('2020-12-31');

   Il completamento della query richiede circa 20 secondi, dopodiché il seattle_pm25_xreg_model modello viene visualizzato nel riquadro Explorer. Poiché la query utilizza un'istruzione CREATE MODEL per creare un modello, non vengono visualizzati i risultati della query.

Valutare i modelli candidati

Valuta i modelli di serie temporali utilizzando la funzione ML.ARIMA_EVALUATE. La funzione ML.ARIMA_EVALUATE mostra le metriche di valutazione di tutti i modelli candidati valutati 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.seattle_pm25_xreg_model`);

   I risultati dovrebbero essere simili ai seguenti:

   

   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.

   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. Il modello migliore viene salvato come modello finale e viene utilizzato quando chiami funzioni come ML.FORECAST sul modello.

   La colonna seasonal_periods contiene informazioni sul pattern stagionale identificato nei dati delle serie temporali. Non ha nulla a che fare con la modellazione ARIMA, pertanto ha lo stesso valore in tutte le righe di output. Mostra un andamento settimanale, in linea con i risultati che hai visto se hai scelto di visualizzare i dati di input.

   Le colonne has_holiday_effect, has_spikes_and_dips e has_step_changes forniscono informazioni sui dati delle serie temporali di input e non sono correlate alla modellazione ARIMA. Queste colonne vengono restituite perché il valore dell'opzione decompose_time_series nell'istruzione CREATE MODEL è TRUE. Queste colonne hanno anche gli stessi valori in tutte le righe di output.

   La colonna error_message mostra eventuali errori che si sono verificati durante la procedura di aggiustamentoauto.ARIMA. Un possibile motivo di errori si verifica quando le colonne selezionate non_seasonal_p, non_seasonal_d, non_seasonal_q e has_drift non sono in grado di stabilizzare la serie temporale. Per recuperare il messaggio di errore di tutti i modelli candidati, imposta l'opzione show_all_candidate_models su TRUE quando crei il modello.

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

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.seattle_pm25_xreg_model`);

   I risultati dovrebbero essere simili ai seguenti:

   

   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. Nell'output della funzione ML.ARIMA_EVALUATE hai visto che il modello migliore ha un valore non_seasonal_p pari a 0 e un valore non_seasonal_q pari a 5. Pertanto, nell'output ML.ARIMA_COEFFICIENTS, il valore ar_coefficients è un array vuoto e il valore ma_coefficients è un array di 5 elementi. Il valore intercept_or_drift è il termine costante nel modello ARIMA.

   Le colonne di output processed_input, weight e category_weights mostrano i coefficienti per ogni caratteristica e l'intercetta nel modello di regressione lineare. Se la caratteristica è numerica, il peso si trova nella colonna weight. Se la caratteristica è di tipo categorico, il valore category_weights è un array di valori struct, in cui ogni valore struct contiene il nome e il peso di una determinata categoria.

   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(30 AS horizon, 0.8 AS confidence_level) indica che la query prevede 30 punti di tempo futuri e genera un intervallo di previsione con un livello di confidenza dell'80%.

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.seattle_pm25_xreg_model`,
       STRUCT(30 AS horizon, 0.8 AS confidence_level),
       (
         SELECT
           date,
           temperature,
           wind_speed
         FROM
           `bqml_tutorial.seattle_air_quality_daily`
         WHERE
           date > DATE('2020-12-31')
       ));

   I risultati dovrebbero essere simili ai seguenti:

   

   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.

Valutare l'accuratezza delle previsioni

Valuta l'accuratezza delle previsioni del modello utilizzando la funzione ML.EVALUATE.

Nella seguente query GoogleSQL, il secondo statement SELECT fornisce ai dati le funzionalità future, che vengono utilizzate per prevedere i valori futuri da confrontare con i dati effettivi.

Per valutare l'accuratezza 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.EVALUATE(
       MODEL `bqml_tutorial.seattle_pm25_xreg_model`,
       (
         SELECT
           date,
           pm25,
           temperature,
           wind_speed
         FROM
           `bqml_tutorial.seattle_air_quality_daily`
         WHERE
           date > DATE('2020-12-31')
       ),
       STRUCT(
         TRUE AS perform_aggregation,
         30 AS horizon));

   I risultati dovrebbero essere simili ai seguenti:

   

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

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.

Analogamente alla funzione ML.FORECAST, la clausola STRUCT(30 AS horizon, 0.8 AS confidence_level) utilizzata nella funzione ML.EXPLAIN_FORECAST indica che la query prevede 30 punti di tempo futuri e genera un intervallo di previsione con un livello di confidenza dell'80%.

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.seattle_pm25_xreg_model`,
       STRUCT(30 AS horizon, 0.8 AS confidence_level),
       (
         SELECT
           date,
           temperature,
           wind_speed
         FROM
           `bqml_tutorial.seattle_air_quality_daily`
         WHERE
           date > DATE('2020-12-31')
       ));

   I risultati dovrebbero essere simili ai seguenti:

   

   Le righe di output sono ordinate in ordine cronologico in base al valore della colonna time_series_timestamp.

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