本教程介绍了如何使用 ARIMA_PLUS 单变量时序模型根据给定列的历史值来预测该列的未来值。
本教程将介绍如何预测多个时序。系统会针对每个时间点，为一个或多个指定列中的每个值计算预测值。例如，如果您想预测天气并指定了一个包含城市数据的列，则预测数据会包含城市 A 在所有时间点的预测值，然后是城市 B 在所有时间点的预测值，依此类推。
本教程使用来自公开的 bigquery-public-data.new_york.citibike_trips 表中的数据。此表包含有关纽约市花旗单车行程的信息。
在阅读本教程之前，我们强烈建议您阅读使用单变量模型预测单个时序。
创建数据集
创建 BigQuery 数据集以存储机器学习模型。
控制台
在 Google Cloud 控制台中，前往 BigQuery 页面。
在探索器窗格中，点击您的项目名称。
点击 查看操作 > 创建数据集
在 创建数据集 页面上，执行以下操作：
在数据集 ID 部分，输入
bqml_tutorial。在位置类型部分，选择多区域，然后选择 US (multiple regions in United States)（美国[美国的多个区域]）。
保持其余默认设置不变，然后点击创建数据集。
bq
如需创建新数据集，请使用带有 --location 标志的 bq mk 命令。 如需查看完整的潜在参数列表，请参阅 bq mk --dataset 命令参考文档。
创建一个名为
bqml_tutorial的数据集，并将数据位置设置为US，说明为BigQuery ML tutorial dataset：bq --location=US mk -d \ --description "BigQuery ML tutorial dataset." \ bqml_tutorial
该命令使用的不是
--dataset标志，而是-d快捷方式。如果省略-d和--dataset，该命令会默认创建一个数据集。确认已创建数据集：
bq ls
API
使用已定义的数据集资源调用 datasets.insert 方法。
{ "datasetReference": { "datasetId": "bqml_tutorial" } }
BigQuery DataFrame
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
直观呈现输入数据
在创建模型之前，您可以选择直观呈现输入时序数据，以了解分布情况。您可以使用 Looker Studio 执行此操作。
SQL
以下查询的 SELECT 语句使用 EXTRACT 函数从 starttime 列中提取日期信息。该查询使用 COUNT(*) 子句获取花旗单车的每日总行程数。
请按照以下步骤直观呈现时序数据：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT EXTRACT(DATE from starttime) AS date, COUNT(*) AS num_trips FROM `bigquery-public-data.new_york.citibike_trips` GROUP BY date;
查询完成后，依次点击探索数据 > 使用 Looker Studio 探索。Looker Studio 将在新标签页中打开。在该新标签页中完成以下步骤。
在 Looker Studio 中，依次点击插入 > 时序图表。
在图表窗格中，选择设置标签页。
在指标部分，添加 num_trips 字段，并移除默认的记录数指标。生成的图表如下所示：
BigQuery DataFrame
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
创建时序模型
您希望预测每个花旗单车站点的单车行程数，这需要使用多个时序模型；输入数据中包含的每个花旗单车站点都需要一个模型。您可以创建多个模型来实现此目的，但这可能会是一个单调乏味且耗时的过程，尤其是当您有大量时序时。您可以改为使用单个查询来创建和拟合一组时序模型，以便一次预测多个时序。
SQL
在以下查询中，OPTIONS(model_type='ARIMA_PLUS', time_series_timestamp_col='date', ...) 子句指示您正在创建一个基于 ARIMA 的时序模型。您可以使用 CREATE MODEL 语句的 time_series_id_col 选项来指定输入数据中要获取预测结果的一个或多个列，在本例中为花旗单车站点，由 start_station_name 列表示。您可以使用 WHERE 子句将起始站点限定为名称中包含 Central Park 的站点。CREATE MODEL 语句的 auto_arima_max_order 选项可控制 auto.ARIMA 算法中用于超参数调优的搜索空间。CREATE MODEL 语句的 decompose_time_series 选项默认为 TRUE，以便在您在下一步中评估模型时返回有关时序数据的信息。
请按照以下步骤创建模型：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
CREATE OR REPLACE MODEL `bqml_tutorial.nyc_citibike_arima_model_group` OPTIONS (model_type = 'ARIMA_PLUS', time_series_timestamp_col = 'date', time_series_data_col = 'num_trips', time_series_id_col = 'start_station_name', auto_arima_max_order = 5 ) AS SELECT start_station_name, EXTRACT(DATE from starttime) AS date, COUNT(*) AS num_trips FROM `bigquery-public-data.new_york.citibike_trips` WHERE start_station_name LIKE '%Central Park%' GROUP BY start_station_name, date;
查询大约需要 24 秒才能完成，之后您就可以访问
nyc_citibike_arima_model_group模型了。由于查询使用CREATE MODEL语句，因此您看不到查询结果。
此查询将创建 12 个时序模型，输入数据中的 12 个花旗单车起始站点各自对应一个模型。由于是并行执行，因此时间成本（大约 24 秒）只是创建单个时序模型的时间成本的 1.4 倍。但是，如果您移除 WHERE ... LIKE ... 子句，则系统将预测 600 多个时序；由于槽容量有限，系统将无法完全并行预测这些时序。在这种情况下，查询大约需要 15 分钟才能完成。如需减少查询运行时间，同时接受可能出现的模型质量略微下降，您可以降低 auto_arima_max_order 的值。这会缩小 auto.ARIMA 算法中超参数调优的搜索空间。如需了解详情，请参阅 Large-scale time series forecasting best practices。
BigQuery DataFrame
在以下代码段中，您在创建一个基于 ARIMA 的时序模型。
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
这会创建 12 个时序模型，输入数据中的 12 个花旗单车起始站点各自对应一个模型。由于是并行执行，因此时间成本（大约 24 秒）只是创建单个时序模型的时间成本的 1.4 倍。
评估模型
SQL
使用 ML.ARIMA_EVALUATE 函数评估时序模型。ML.ARIMA_EVALUATE 函数会显示在自动超参数调优过程中为模型生成的评估指标。
请按照以下步骤评估模型：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.ARIMA_EVALUATE(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`);
结果应如下所示：
虽然
auto.ARIMA会为每个时序评估几十个候选 ARIMA 模型，但ML.ARIMA_EVALUATE默认只会输出最佳模型的信息，以便使输出表紧凑。如需查看所有候选模型，您可以将ML.ARIMA_EVALUATE函数的show_all_candidate_model参数设置为TRUE。
BigQuery DataFrame
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
start_station_name 列用于标识针对其创建时序的输入数据列。这是您在创建模型时使用 time_series_id_col 选项指定的列。
non_seasonal_p、non_seasonal_d、non_seasonal_q 和 has_drift 输出列定义了训练流水线中的 ARIMA 模型。log_likelihood、AIC 和 variance 输出列与 ARIMA 模型拟合过程相关。拟合过程使用 auto.ARIMA 算法确定最佳 ARIMA 模型（每个时序对应一个最佳模型）。
auto.ARIMA 算法使用 KPSS 测试来确定 non_seasonal_d 的最佳值，在本例中为 1。当 non_seasonal_d 为 1 时，auto.ARIMA 算法会并行训练 42 个不同的候选 ARIMA 模型。在此示例中，所有 42 个候选模型均有效，因此输出包含 42 行，每行对应一个候选 ARIMA 模型；如果某些模型无效，则会从输出中排除。这些候选模型将按照 AIC 升序返回。第一行中的模型具有最低的 AIC，它被视为最佳模型。此最佳模型将保存为最终模型，并在您预测数据、评估模型和检查模型系数时使用，如以下步骤所示。
seasonal_periods 列包含有关时序数据中识别出的季节性模式的信息。每个时序可以有不同的季节性模式。例如，您可以从图中看到一个时序具有一个每年模式，而其他时序则没有。
仅当 decompose_time_series=TRUE 时，才会填充 has_holiday_effect、has_spikes_and_dips 和 has_step_changes 列。这些列还反映了输入时序数据的信息，与 ARIMA 建模无关。这些列在所有输出行中也具有相同的值。
检查模型的系数
SQL
使用 ML.ARIMA_COEFFICIENTS 函数检查时序模型的系数。
请按照以下步骤检索模型的系数：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.ARIMA_COEFFICIENTS(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`);
查询只需不到一秒的时间即可完成。结果应如下所示：
如需详细了解输出列，请参阅
ML.ARIMA_COEFFICIENTS函数。
BigQuery DataFrame
使用 coef_ 函数检查时序模型的系数。
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
start_station_name 列用于标识针对其创建时序的输入数据列。这是您在创建模型时在 time_series_id_col 选项中指定的列。
ar_coefficients 输出列显示了 ARIMA 模型的自动回归 (AR) 部分的模型系数。同样，ma_coefficients 输出列显示了 ARIMA 模型的移动平均值 (MA) 部分的模型系数。这两个列都包含数组值，其长度分别等于 non_seasonal_p 和 non_seasonal_q。intercept_or_drift 值是 ARIMA 模型中的常量项。
使用模型预测数据
SQL
使用 ML.FORECAST 函数预测未来的时序值。
在以下 GoogleSQL 查询中，STRUCT(3 AS horizon, 0.9 AS confidence_level) 子句指示查询会预测 3 个未来的时间点，并生成置信度为 90% 的预测区间。
请按照以下步骤使用模型预测数据：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.FORECAST(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`, STRUCT(3 AS horizon, 0.9 AS confidence_level))
点击运行。
查询只需不到一秒的时间即可完成。结果应如下所示：
如需详细了解输出列，请参阅 ML.FORECAST 函数。
BigQuery DataFrame
使用 predict 函数预测未来的时序值。
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
第一列 start_station_name 注释系统拟合每个时序模型所依据的时序。每个 start_station_name 都有三行预测结果（由 horizon 值指定）。
对于每个 start_station_name，输出行按 forecast_timestamp 列值的时间顺序排序。在时序预测中，由 prediction_interval_lower_bound 和 prediction_interval_upper_bound 列值表示的预测区间与 forecast_value 列值一样重要。forecast_value 值是预测区间的中点。预测区间取决于 standard_error 和 confidence_level 列值。
解释预测结果
SQL
除了预测数据，您还可以使用 ML.EXPLAIN_FORECAST 函数获取可解释性指标。ML.EXPLAIN_FORECAST 函数会预测未来的时序值，还会返回该时序的所有单独的组件。 如果您只想返回预测数据，请改用 ML.FORECAST 函数，如使用模型预测数据中所示。
ML.EXPLAIN_FORECAST 函数中使用的 STRUCT(3 AS horizon, 0.9 AS confidence_level) 子句指示查询会预测 3 个未来的时间点，并生成置信度为 90% 的预测区间。
请按照以下步骤解释模型的结果：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.EXPLAIN_FORECAST(MODEL `bqml_tutorial.nyc_citibike_arima_model_group`, STRUCT(3 AS horizon, 0.9 AS confidence_level));
查询只需不到一秒的时间即可完成。结果应如下所示：
返回的前几千行都是历史数据。您必须滚动浏览结果才能看到预测数据。
输出行先按
start_station_name排序，然后按time_series_timestamp列值的时间顺序排序。在时序预测中，由prediction_interval_lower_bound和prediction_interval_upper_bound列值表示的预测区间与forecast_value列值一样重要。forecast_value值是预测区间的中点。预测区间取决于standard_error和confidence_level列值。如需详细了解输出列，请参阅
ML.EXPLAIN_FORECAST。
BigQuery DataFrame
除了预测数据，您还可以使用 predict_explain 函数获取可解释性指标。predict_explain 函数会预测未来的时序值，还会返回该时序的所有单独的组件。 如果您只想返回预测数据，请改用 predict 函数，如使用模型预测数据中所示。
predict_explain 函数中使用的 horizon=3, confidence_level=0.9 子句指示查询会预测 3 个未来的时间点，并生成置信度为 90% 的预测区间。
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
输出行先按 time_series_timestamp 排序，然后按 start_station_name 列值的时间顺序排序。在时序预测中，由 prediction_interval_lower_bound 和 prediction_interval_upper_bound 列值表示的预测区间与 forecast_value 列值一样重要。forecast_value 值是预测区间的中点。预测区间取决于 standard_error 和 confidence_level 列值。