預測功能總覽

預測是指分析歷來資料，然後據以預測未來趨勢的技術。舉例來說，您可以分析多個門市的銷售資料，以便預測這些門市未來的銷售業績。在 BigQuery ML 中，您可以針對時間序列資料執行預測作業。

您可以透過下列方式進行預測：

• 使用 AI.FORECAST 函式與內建的 TimesFM 模型。當您需要預測單一變數的未來值，且不需要微調模型時，請使用此方法。您不需要建立及管理模型，即可使用這種方法。
• 使用 ML.FORECAST 函式與 ARIMA_PLUS 模型。當您需要執行以 ARIMA 為基礎的建模管道，並將時間序列分解為多個元件以便解釋結果時，請使用此方法。您必須建立及管理模型，才能使用這種方法。
• 使用 ML.FORECAST 函式搭配 ARIMA_PLUS_XREG 模型。如需預測多個變數的未來值，請使用此方法。您必須建立及管理模型，才能使用這種方法。

ARIMA_PLUS 和 ARIMA_PLUS_XREG 時間序列模型並非單一模型，而是包含多個模型和演算法的時間序列建模管道。詳情請參閱時間序列建模管道。

建議的知識

只要使用 BigQuery ML 陳述式和函式的預設設定，即使沒有太多機器學習知識，也能建立及使用預測模型。不過，如果您具備機器學習開發和預測模型的基本知識，就能同時最佳化資料和模型，進而獲得更優異的結果。建議您參考下列資源，熟悉機器學習技術和程序：

• 機器學習密集課程
• 機器學習簡介
• 中級機器學習
• 時間序列