Esta página foi traduzida pela API Cloud Translation.

Jornadas do usuário completas para modelos de previsão de série temporal

Este documento descreve as jornadas do usuário para modelos de previsão de série temporal do BigQuery ML, incluindo as instruções e funções que podem ser usadas para trabalhar com série temporal modelos. O BigQuery ML oferece os seguintes tipos de modelos de previsão de série temporal:

Jornadas do usuário para criação de modelos

A tabela a seguir descreve as instruções e funções que podem ser usadas para criar modelos de previsão de série temporal:

Tipo de modelo	Criação de modelos	Pré-processamento de recursos	Ajuste de hiperparâmetros	Pesos do modelo	Tutoriais
`ARIMA_PLUS`	`CREATE MODEL`	Pré-processamento automático	Ajuste automático auto.ARIMA¹	`ML.ARIMA_COEFFICIENTS`	Prever uma única série temporal Prever várias séries temporais Prever milhões de séries temporais Usar feriados personalizados Limitar valores previstos Fazer previsão de série temporal hierárquica Realizar a detecção de anomalias com um modelo multivariável de previsão de série temporal
`ARIMA_PLUS_XREG`	`CREATE MODEL`	Pré-processamento automático	Ajuste automático auto.ARIMA¹	`ML.ARIMA_COEFFICIENTS`	Prever uma única série temporal Prever várias séries temporais
TimesFM	N/A	N/A	N/A	N/A	Prever várias séries temporais

¹O algoritmo auto.ARIMA realiza o ajuste de hiperparâmetros para o módulo de tendência. O ajuste de hiperparâmetros não é compatível com todo o pipeline de modelagem. Consulte o pipeline de modelagem para mais detalhes.

Jornadas do usuário de uso do modelo

A tabela a seguir descreve as instruções e funções que podem ser usadas para avaliar, explicar e receber previsões de modelos de previsão de série temporal:

Tipo de modelo	Avaliação	Inferência	AI Explanations
`ARIMA_PLUS`	`ML.EVALUATE`¹ `ML.ARIMA_EVALUATE` `ML.HOLIDAY_INFO`	`ML.FORECAST` `ML.DETECT_ANOMALIES`	`ML.EXPLAIN_FORECAST`²
`ARIMA_PLUS_XREG`	`ML.EVALUATE`¹ `ML.ARIMA_EVALUATE` `ML.HOLIDAY_INFO`	`ML.FORECAST` `ML.DETECT_ANOMALIES`	`ML.EXPLAIN_FORECAST`²
TimesFM	N/A	`AI.FORECAST`	N/A

¹Você pode inserir dados de avaliação na função ML.EVALUATE para calcular métricas de previsão, como erro percentual absoluto médio (MAPE). Se você não tiver dados de avaliação, use a função ML.ARIMA_EVALUATE para gerar informações sobre o modelo, como deriva e variância.

²A função ML.EXPLAIN_FORECAST abrange a função ML.FORECAST porque a saída dela é um superconjunto dos resultados de ML.FORECAST.