Ringkasan perkiraan

Perkiraan adalah teknik untuk menganalisis data historis guna membuat prediksi yang tepat tentang tren mendatang. Misalnya, Anda mungkin menganalisis data historis penjualan dari beberapa lokasi toko untuk memprediksi penjualan mendatang di lokasi tersebut. Di BigQuery ML, Anda melakukan perkiraan pada data deret waktu.

Anda dapat melakukan perkiraan dengan cara berikut:

  • Dengan menggunakan fungsi AI.FORECAST dengan model TimesFM bawaan. Gunakan pendekatan ini saat Anda perlu memperkirakan nilai mendatang untuk satu variabel, dan tidak memerlukan kemampuan untuk menyesuaikan model. Pendekatan ini tidak mengharuskan Anda membuat dan mengelola model.
  • Dengan menggunakan fungsi ML.FORECAST dengan model ARIMA_PLUS. Gunakan pendekatan ini saat Anda perlu menjalankan pipeline pemodelan berbasis ARIMA dan memecah deret waktu menjadi beberapa komponen untuk menjelaskan hasilnya. Pendekatan ini mengharuskan Anda membuat dan mengelola model.
  • Dengan menggunakan fungsi ML.FORECAST dengan model ARIMA_PLUS_XREG. Gunakan pendekatan ini saat Anda perlu memperkirakan nilai mendatang untuk beberapa variabel. Pendekatan ini mengharuskan Anda membuat dan mengelola model.

Model deret waktu ARIMA_PLUS dan ARIMA_PLUS_XREG sebenarnya bukan model tunggal, tetapi merupakan pipeline pemodelan deret waktu yang mencakup beberapa model dan algoritma. Untuk mengetahui informasi selengkapnya, lihat Pipeline pemodelan deret waktu.

Dengan menggunakan setelan default pernyataan dan fungsi BigQuery ML, Anda dapat membuat dan menggunakan model perkiraan bahkan tanpa banyak pengetahuan ML. Namun, memiliki pengetahuan dasar tentang pengembangan ML, dan model peramalan secara khusus, akan membantu Anda mengoptimalkan data dan model untuk memberikan hasil yang lebih baik. Sebaiknya gunakan referensi berikut untuk mengembangkan pengetahuan tentang teknik dan proses ML: