Percorsi utente end-to-end per i modelli di previsione delle serie temporali

Questo documento descrive i percorsi utente per i modelli di previsione delle serie temporali BigQuery ML, incluse le istruzioni e le funzioni che puoi utilizzare per lavorare con i modelli di previsione delle serie temporali. BigQuery ML offre i seguenti tipi di modelli di previsione delle serie temporali:

• ARIMA_PLUSmodelli univariati
• ARIMA_PLUS_XREG modelli multivariati
• Modello univariato TimesFM

Percorsi dell'utente per la creazione di modelli

La tabella seguente descrive le istruzioni e le funzioni che puoi utilizzare per creare modelli di previsione delle serie temporali:

Tipo di modello	Creazione del modello	Pre-elaborazione delle funzionalità	Ottimizzazione degli iperparametri	Pesi del modello	Tutorial
ARIMA_PLUS	CREATE MODEL	Pre-elaborazione automatica	auto.ARIMA1 automatic tuning	ML.ARIMA_COEFFICIENTS	Prevedere una singola serie temporale Prevedere più serie temporali Prevedi milioni di serie temporali Utilizzare le festività personalizzate Limita i valori previsti Eseguire la previsione gerarchica delle serie temporali Eseguire il rilevamento di anomalie con un modello di previsione di serie temporali multivariate
ARIMA_PLUS_XREG	CREATE MODEL	Pre-elaborazione automatica	auto.ARIMA1 automatic tuning	ML.ARIMA_COEFFICIENTS	Prevedere una singola serie temporale Prevedere più serie temporali
TimesFM	N/D	N/D	N/D	N/D	Prevedere più serie temporali

¹L'algoritmo auto.ARIMA esegue l'ottimizzazione degli iperparametri per il modulo di tendenza. L'ottimizzazione degli iperparametri non è supportata per l'intera pipeline di modellazione. Per ulteriori dettagli, consulta la pipeline di modellazione.

Percorsi dell'utente per l'utilizzo dei modelli

La tabella seguente descrive le istruzioni e le funzioni che puoi utilizzare per valutare, spiegare e ottenere previsioni dai modelli di previsione delle serie temporali:

Tipo di modello	Valutazione	Inferenza	Spiegazione dell'AI
ARIMA_PLUS	ML.EVALUATE1 ML.ARIMA_EVALUATE ML.HOLIDAY_INFO	ML.FORECAST ML.DETECT_ANOMALIES	ML.EXPLAIN_FORECAST2
ARIMA_PLUS_XREG	ML.EVALUATE1 ML.ARIMA_EVALUATE ML.HOLIDAY_INFO	ML.FORECAST ML.DETECT_ANOMALIES	ML.EXPLAIN_FORECAST2
TimesFM	N/D	AI.FORECAST	N/D

¹Puoi inserire i dati di valutazione nella funzione ML.EVALUATE per calcolare le metriche di previsione, ad esempio l'errore percentuale assoluto medio (MAPE). Se non hai dati di valutazione, puoi utilizzare la funzione ML.ARIMA_EVALUATE per generare informazioni sul modello, come la deriva e la varianza.

²La funzione ML.EXPLAIN_FORECAST comprende la funzione ML.FORECAST perché il suo output è un superset dei risultati di ML.FORECAST.