TimesFM 模型
本文說明 BigQuery ML 的內建 TimesFM 時間序列預測模型。
內建的 TimesFM 單變數模型是 Google 研究團隊的開放原始碼 TimesFM 模型實作項目。Google Research TimesFM 模型是時間序列預測的基礎模型，已根據多個實際資料集中的數十億個時間點預先訓練，因此您可以將其套用至許多領域的新預測資料集。所有 BigQuery 支援的區域都提供 TimesFM 模型。
使用 BigQuery ML 的內建 TimesFM 模型和 AI.FORECAST 函式，即可執行預測，不必建立及訓練自己的模型，因此可避免模型管理需求。TimesFM 模型的預測結果可與 ARIMA 等傳統統計方法相提並論。如果您需要比 TimesFM 模型提供的更多模型微調選項，可以改為建立 ARIMA_PLUS 或 ARIMA_PLUS_XREG 模型，並搭配 ML.FORECAST 函式使用。
如要試用 AI.FORECAST 函式搭配 TimesFM 模型，請參閱「使用 TimesFM 單變數模型預測多個時間序列」。
如要使用 TimesFM 模型偵測時間序列資料中的異常狀況，請使用 AI.DETECT_ANOMALIES 函式 (預覽版)。
如要根據實際值評估 TimesFM 模型的預測值，請使用 AI.EVALUATE 函式。
如要進一步瞭解 Google 研究的 TimesFM 模型，請參閱下列資源：