Das TimesFM-Modell

In diesem Dokument wird das integrierte TimesFM-Modell für Zeitreihenprognosen von BigQuery ML beschrieben.

Das integrierte TimesFM-Modell ist eine Implementierung des Open-Source-TimesFM-Modells von Google Research. Das TimesFM-Modell von Google Research ist ein Foundation Model für Zeitreihenprognosen, das mit Milliarden von Zeitpunkten aus vielen realen Datasets vortrainiert wurde. Sie können es also für neue Prognosedatasets in vielen Bereichen verwenden. Das TimesFM-Modell ist in allen von BigQuery unterstützten Regionen verfügbar.

Wenn Sie das integrierte TimesFM-Modell von BigQuery ML mit der Funktion AI.FORECAST verwenden, können Sie Prognosen erstellen, ohne ein eigenes Modell erstellen und trainieren zu müssen. So entfällt die Notwendigkeit der Modellverwaltung. Die Prognoseergebnisse des TimesFM-Modells sind mit herkömmlichen statistischen Methoden wie ARIMA vergleichbar. Wenn Sie mehr Optionen zum Optimieren von Modellen benötigen, als das TimesFM-Modell bietet, können Sie stattdessen ein ARIMA_PLUS- oder ARIMA_PLUS_XREG-Modell erstellen und es mit der ML.FORECAST-Funktion verwenden.

Informationen zur Verwendung eines TimesFM-Modells mit der Funktion AI.FORECAST finden Sie in den folgenden Anleitungen:

Wenn Sie das TimesFM-Modell verwenden möchten, um Anomalien in Zeitreihendaten zu erkennen, verwenden Sie die AI.DETECT_ANOMALIES-Funktion.

Wenn Sie die prognostizierten Werte des TimesFM-Modells mit den tatsächlichen Werten vergleichen möchten, verwenden Sie die AI.EVALUATE-Funktion.

Weitere Informationen zum TimesFM-Modell des Google Research-Teams finden Sie in den folgenden Ressourcen:

Wenn Sie TimesFM über BigQuery verwenden, unterliegt Ihre Nutzung den Nutzungsbedingungen von Google Cloud und ist für kommerzielle Zwecke zulässig. Die nicht kommerzielle Lizenz, die mit den öffentlich herunterladbaren TimesFM 3.0-Gewichten auf GitHub und Hugging Face verknüpft ist, gilt nur für selbst gehostete Downloads und schränkt die Nutzung in BigQuery nicht ein.