使用 ARIMA+ 進行預測

如要查看如何使用 ARIMA+ 訓練模型的範例，請在下列其中一個環境中執行「Train a BigQuery ML ARIMA_PLUS model using Agent Platform tabular workflows」筆記本：

在 Colab 中開啟 | 在 Colab Enterprise 中開啟 | 在 Agent Platform Workbench 中開啟 | 在 GitHub 上查看

BigQuery ML ARIMA_PLUS 是單變量預測模型。與以類神經網路為基礎的模型相比，ARIMA_PLUS 屬於統計模型，訓練速度較快。如果您需要快速反覆訓練模型，或是需要經濟實惠的基準來評估其他模型，建議訓練 BigQuery ML ARIMA_PLUS 模型。

與 Prophet 類似，BigQuery ML ARIMA_PLUS 會嘗試將每個時間序列分解為趨勢、季節和節慶，並使用這些模型推論結果的匯總資料產生預測。不過，兩者有許多差異，其中之一是 BQML ARIMA+ 會使用 ARIMA 建立趨勢元件模型，而 Prophet 則會嘗試使用分段邏輯或線性模型擬合曲線。

Google Cloud 提供訓練 BigQuery ML ARIMA_PLUS 模型的管道，以及從 BigQuery ML ARIMA_PLUS 模型取得批次推論結果的管道。這兩個管道都是 Google Cloud Pipeline Components (GCPC) 的 Gemini Enterprise Agent Platform Pipelines 執行個體。

後續步驟

• 進一步瞭解 BigQuery ML ARIMA_PLUS。
• 瞭解這個工作流程使用的服務帳戶。