Utilizzare festività personalizzate in un modello di previsione di serie temporali ARIMA_PLUS

Questo tutorial mostra come eseguire le seguenti attività:

• Creare un ARIMA_PLUS modello di previsione di serie temporali che utilizza solo le festività integrate.
• Creare un modello di previsione di serie temporali ARIMA_PLUS che utilizza le festività personalizzate oltre a quelle integrate.
• Visualizzare i risultati previsti di questi modelli.
• Esaminare un modello per vedere quali festività modella.
• Valutare gli effetti delle festività personalizzate sui risultati previsti.
• Confrontare il rendimento del modello che utilizza solo le festività integrate con il rendimento del modello che utilizza le festività personalizzate oltre a quelle integrate.

Questo tutorial utilizza le tabelle pubbliche bigquery-public-data.wikipedia.pageviews_*.

Autorizzazioni obbligatorie

• Per creare il set di dati, devi disporre dell'autorizzazione IAM bigquery.datasets.create.

• Per creare il modello, devi disporre delle seguenti autorizzazioni:

  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData

• Per eseguire l'inferenza, devi disporre delle seguenti autorizzazioni:

  • bigquery.models.getData
  • bigquery.jobs.create

Per saperne di più sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta la pagina Introduzione a IAM.

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

• BigQuery: You incur costs for the data you process in BigQuery.

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il calcolatore prezzi.

I nuovi Google Cloud utenti potrebbero avere diritto a una prova senza costi.

Per ulteriori informazioni, vedi Prezzi di BigQuery.

Prima di iniziare

Accedi al tuo Google Cloud account. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti senza costi per l'esecuzione, il test e il deployment dei workload.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the BigQuery API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the BigQuery API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Crea un set di dati

Crea un set di dati BigQuery per archiviare il tuo modello ML.

Console

1. Nella Google Cloud console, vai alla pagina BigQuery.

   Vai alla pagina BigQuery

2. Nel riquadro Spazio di esplorazione, fai clic sul nome del progetto.

3. Fai clic su Visualizza azioni > Crea set di dati

4. Nella pagina Crea set di dati, segui questi passaggi:

   • In ID set di dati, inserisci bqml_tutorial.

   • In Tipo di località, seleziona Multi-regione, quindi seleziona Stati Uniti.

   • Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.

bq

Per creare un nuovo set di dati, utilizza il bq mk --dataset comando.

1. Crea un set di dati denominato bqml_tutorial con la località dei dati impostata su US.

   bq mk --dataset \
     --location=US \
     --description "BigQuery ML tutorial dataset." \
     bqml_tutorial

2. Verifica che il set di dati sia stato creato:

   bq ls

API

Chiama il datasets.insert metodo con una risorsa del set di dati definita.

{
  "datasetReference": {
     "datasetId": "bqml_tutorial"
  }
}

Prepara i dati delle serie temporali

Aggrega i dati delle visualizzazioni di pagina di Wikipedia per la pagina Google I/O in una singola tabella, raggruppata per giorno:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   CREATE OR REPLACE TABLE `bqml_tutorial.googleio_page_views`
   AS
   SELECT
     DATETIME_TRUNC(datehour, DAY) AS date,
     SUM(views) AS views
   FROM
     `bigquery-public-data.wikipedia.pageviews_*`
   WHERE
     datehour >= '2017-01-01'
     AND datehour < '2023-01-01'
     AND title = 'Google_I/O'
   GROUP BY
     DATETIME_TRUNC(datehour, DAY)

Crea un modello di previsione di serie temporali che utilizza le festività integrate

Crea un modello che prevede le visualizzazioni di pagina giornaliere per la pagina Wikipedia "Google I/O", in base ai dati delle visualizzazioni di pagina precedenti al 2022 e tenendo conto delle festività integrate:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   CREATE OR REPLACE MODEL `bqml_tutorial.forecast_googleio`
     OPTIONS (
       model_type = 'ARIMA_PLUS',
       holiday_region = 'US',
       time_series_timestamp_col = 'date',
       time_series_data_col = 'views',
       data_frequency = 'DAILY',
       horizon = 365)
   AS
   SELECT
     *
   FROM
     `bqml_tutorial.googleio_page_views`
   WHERE
     date < '2022-01-01';

Visualizza i risultati previsti

Dopo aver creato il modello utilizzando le festività integrate, unisci i dati originali da la tabella bqml_tutorial.googleio_page_views con il valore previsto dalla ML.EXPLAIN_FORECAST funzione, quindi visualizzali utilizzando Data Studio:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   SELECT
     original.date,
     original.views AS original_views,
     explain_forecast.time_series_adjusted_data
       AS adjusted_views_without_custom_holiday,
   FROM
     `bqml_tutorial.googleio_page_views` original
   INNER JOIN
     (
       SELECT
         *
       FROM
         ML.EXPLAIN_FORECAST(
           MODEL `bqml_tutorial.forecast_googleio`,
           STRUCT(365 AS horizon))
     ) explain_forecast
     ON
       TIMESTAMP(original.date)
       = explain_forecast.time_series_timestamp
   ORDER BY
     original.date;

3. Nel riquadro Risultati delle query, fai clic su Apri in > Data Studio. Data Studio si apre in una nuova scheda.

4. Nella scheda Data Studio, fai clic su Aggiungi un grafico, quindi sul grafico delle serie temporali:

   

   Posiziona il grafico nel report.

5. Nella scheda Configurazione del riquadro Grafico, fai clic su Aggiungi metrica e seleziona adjusted_views_without_custom_holiday:

   

   Il grafico è simile al seguente:

   

   Puoi notare che il modello di previsione acquisisce abbastanza bene la tendenza generale. Tuttavia, non acquisisce l'aumento del traffico correlato agli eventi Google I/O precedenti e non è in grado di generare una previsione accurata per

   1. Le sezioni successive mostrano come affrontare alcune di queste limitazioni.

Crea un modello di previsione di serie temporali che utilizza le festività integrate e le festività personalizzate

Come puoi vedere nella cronologia di Google I/O, l'evento Google I/O si è svolto in date diverse tra il 2017 e il 2022. Per tenere conto di questa variazione, crea un modello che prevede le visualizzazioni di pagina per la pagina Wikipedia "Google_I/O" fino al 2022, in base ai dati delle visualizzazioni di pagina precedenti al 2022 e utilizzando le festività personalizzate per rappresentare l'evento Google I/O ogni anno. In questo modello, puoi anche regolare la finestra dell'effetto festività in modo che copra tre giorni intorno alla data dell'evento, per acquisire meglio il potenziale traffico di pagine prima e dopo l'evento.

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   CREATE OR REPLACE MODEL `bqml_tutorial.forecast_googleio_with_custom_holiday`
     OPTIONS (
       model_type = 'ARIMA_PLUS',
       holiday_region = 'US',
       time_series_timestamp_col = 'date',
       time_series_data_col = 'views',
       data_frequency = 'DAILY',
       horizon = 365)
   AS (
     training_data AS (
         SELECT
           *
         FROM
           `bqml_tutorial.googleio_page_views`
         WHERE
           date < '2022-01-01'
       ),
     custom_holiday AS (
         SELECT
           'US' AS region,
           'GoogleIO' AS holiday_name,
           primary_date,
           1 AS preholiday_days,
           2 AS postholiday_days
         FROM
           UNNEST(
             [
               DATE('2017-05-17'),
               DATE('2018-05-08'),
               DATE('2019-05-07'),
               -- cancelled in 2020 due to pandemic
               DATE('2021-05-18'),
               DATE('2022-05-11')])
             AS primary_date
       )
   );

Visualizza i risultati previsti

Dopo aver creato il modello utilizzando le festività personalizzate, unisci i dati originali della tabella bqml_tutorial.googleio_page_views con il valore previsto della funzione ML.EXPLAIN_FORECAST, quindi visualizzali utilizzando Data Studio:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   SELECT
     original.date,
     original.views AS original_views,
     explain_forecast.time_series_adjusted_data
       AS adjusted_views_with_custom_holiday,
   FROM
     `bqml_tutorial.googleio_page_views` original
   INNER JOIN
     (
       SELECT
         *
       FROM
         ML.EXPLAIN_FORECAST(
           MODEL
             `bqml_tutorial.forecast_googleio_with_custom_holiday`,
           STRUCT(365 AS horizon))
     ) explain_forecast
     ON
       TIMESTAMP(original.date)
       = explain_forecast.time_series_timestamp
   ORDER BY
     original.date;

3. Nel riquadro Risultati delle query, fai clic su Esplora dati, quindi su Esplora con Data Studio. Data Studio si apre in una nuova scheda.

4. Nella scheda Data Studio, fai clic su Aggiungi un grafico, quindi sul grafico delle serie temporali e posiziona il grafico nel report.

5. Nella scheda Configurazione del riquadro Grafico, fai clic su Aggiungi metrica e seleziona adjusted_views_with_custom_holiday.

   Il grafico è simile al seguente:

   

   Come puoi notare, le festività personalizzate hanno migliorato il rendimento del modello di previsione. Ora acquisisce in modo efficace l'aumento delle visualizzazioni di pagina causato da Google I/O.

Esamina le informazioni sulle festività

Esamina l'elenco delle festività prese in considerazione durante la modellazione utilizzando la ML.HOLIDAY_INFO funzione:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   SELECT *
   FROM
     ML.HOLIDAY_INFO(
       MODEL `bqml_tutorial.forecast_googleio_with_custom_holiday`);

   I risultati mostrano sia Google I/O sia le festività integrate nell'elenco delle festività:

   

Valuta gli effetti delle festività personalizzate

Valuta gli effetti delle festività personalizzate sui risultati previsti utilizzando la funzione ML.EXPLAIN_FORECAST:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   SELECT
     time_series_timestamp,
     holiday_effect_GoogleIO,
     holiday_effect_US_Juneteenth,
     holiday_effect_Christmas,
     holiday_effect_NewYear
   FROM
     ML.EXPLAIN_FORECAST(
       model
         `bqml_tutorial.forecast_googleio_with_custom_holiday`,
       STRUCT(365 AS horizon))
   WHERE holiday_effect != 0;

   I risultati mostrano che Google I/O contribuisce a una grande quantità di effetto festività sui risultati previsti:

   

Confronta il rendimento del modello

Utilizza la ML.EVALUATE funzione per confrontare il rendimento del primo modello creato senza festività personalizzate e del secondo modello creato con festività personalizzate. Per vedere il rendimento del secondo modello quando si tratta di prevedere una festività personalizzata futura, imposta l'intervallo di tempo sulla settimana di Google I/O nel 2022:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente istruzione SQL:

   SELECT
     "original" AS model_type,
     *
   FROM
     ml.evaluate(
       MODEL `bqml_tutorial.forecast_googleio`,
       (
         SELECT
           *
         FROM
           `bqml_tutorial.googleio_page_views`
         WHERE
           date >= '2022-05-08'
           AND date < '2022-05-12'
       ),
       STRUCT(
         365 AS horizon,
         TRUE AS perform_aggregation))
   UNION ALL
   SELECT
     "with_custom_holiday" AS model_type,
     *
   FROM
     ml.evaluate(
       MODEL
         `bqml_tutorial.forecast_googleio_with_custom_holiday`,
       (
         SELECT
           *
         FROM
           `bqml_tutorial.googleio_page_views`
         WHERE
           date >= '2022-05-08'
           AND date < '2022-05-12'
       ),
       STRUCT(
         365 AS horizon,
         TRUE AS perform_aggregation));

   I risultati mostrano che il secondo modello offre un miglioramento significativo del rendimento:

   

Libera spazio

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per, le attività descritte in questo documento, eliminerai anche tutto il lavoro che hai svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

1. Nella Google Cloud console, vai alla pagina Gestisci risorse.

   Vai a Gestisci risorse

2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
3. Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.