Percorsi dell'utente end-to-end per i modelli di previsione delle serie temporali

Questo documento descrive i percorsi utente per i modelli di previsione delle serie temporali BigQuery ML, incluse le istruzioni e le funzioni che puoi utilizzare per lavorare con i modelli di previsione delle serie temporali. BigQuery ML offre i seguenti tipi di modelli di previsione delle serie temporali:

• ARIMA_PLUSmodelli univariati
• ARIMA_PLUS_XREG modelli multivariati
• Modello univariato TimesFM

Percorsi dell'utente per la creazione di modelli

La tabella seguente descrive le istruzioni e le funzioni che puoi utilizzare per creare modelli di previsione delle serie temporali:

Tipo di modello	Creazione del modello	Pre-elaborazione delle caratteristiche	Ottimizzazione degli iperparametri	Pesi del modello	Tutorial
ARIMA_PLUS	CREATE MODEL	Pre-elaborazione automatica	auto.ARIMA^1 automatic tuning	ML.ARIMA_COEFFICIENTS	Prevedere una singola serie temporale Prevedere più serie temporali Prevedi milioni di serie temporali Utilizzare le festività personalizzate Limita i valori previsti Eseguire la previsione gerarchica di serie temporali Esegui il rilevamento di anomalie con un modello di previsione di serie temporali multivariate
ARIMA_PLUS_XREG	CREATE MODEL	Pre-elaborazione automatica	auto.ARIMA^1 automatic tuning	ML.ARIMA_COEFFICIENTS	Prevedere una singola serie temporale Prevedere più serie temporali
TimesFM	N/D	N/D	N/D	N/D	Prevedere più serie temporali

¹L'algoritmo auto.ARIMA esegue l'ottimizzazione degli iperparametri per il modulo di tendenza. L'intera pipeline di modellazione non supporta l'ottimizzazione degli iperparametri. Per ulteriori dettagli, consulta la pipeline di modellazione.

Percorsi dell'utente per l'utilizzo dei modelli

La tabella seguente descrive le istruzioni e le funzioni che puoi utilizzare per valutare, spiegare e ottenere previsioni dai modelli di previsione delle serie temporali:

Tipo di modello	Valutazione	Inferenza	Spiegazione dell'AI
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	AI.EVALUATE	AI.FORECAST	N/D

¹Puoi inserire i dati di valutazione nella funzione ML.EVALUATE per calcolare le metriche di previsione, ad esempio l'errore percentuale assoluto medio (MAPE). Se non hai dati di valutazione, puoi utilizzare la funzione ML.ARIMA_EVALUATE per generare informazioni sul modello, come la deriva e la varianza.

²La funzione ML.EXPLAIN_FORECAST comprende la funzione ML.FORECAST perché il suo output è un superset dei risultati di ML.FORECAST.