Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Übersicht über Prognosen
Bei der Prognose werden Verlaufsdaten analysiert, um fundierte Vorhersagen über zukünftige Trends zu treffen. Sie können beispielsweise Verlaufsdaten aus mehreren Geschäften analysieren, um zukünftige Umsätze an diesen Standorten vorherzusagen. In BigQuery ML können Sie Prognosen für Zeitreihendaten erstellen.
Ein Zeitreihenmodell ist kein einzelnes Modell, sondern eine Zeitreihenmodellierungspipeline, die mehrere Modelle und Algorithmen enthält. Weitere Informationen finden Sie unter Zeitreihenmodellierungspipeline.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-01-07 (UTC)."],[[["Forecasting involves analyzing historical data to predict future trends, such as using past sales data to forecast future sales at store locations."],["In BigQuery ML, forecasting is performed on time series data, which are data points collected over time."],["The `ML.FORECAST` function, along with the `ARIMA_PLUS` and `ARIMA_PLUS_XREG` models, are used to forecast future values for single or multiple variables, respectively."],["Time series modeling in BigQuery ML is a pipeline consisting of multiple models and algorithms."],["While deep ML knowledge is not mandatory, having a foundational understanding can help optimize your data and model to improve results."]]],[]]
