Realiza previsiones con ARIMA+

Para ver un ejemplo de cómo entrenar un modelo con ARIMA+, ejecuta el notebook “Entrena un modelo ARIMA_PLUS de BigQuery ML con flujos de trabajo tabulares de Vertex AI” en uno de los siguientes entornos:

Abrir en Colab | Abrir en Colab Enterprise | Abrir en Vertex AI Workbench | Ver en GitHub

ARIMA_PLUS de BigQuery ML es un modelo de previsión de una variable. Como modelo estadístico, es más rápido para entrenar que un modelo basado en redes neuronales. Recomendamos entrenar un modelo ARIMA_PLUS de BigQuery ML si necesitas realizar muchas iteraciones rápidas de entrenamiento de modelos o si necesitas un modelo de referencia económico para medir otros modelos.

Al igual que Prophet, ARIMA_PLUS de BigQuery ML intenta descomponer cada serie temporal en tendencias, temporadas y días feriados, y produce una previsión mediante la agregación de las inferencias de estos modelos. Sin embargo, una de las muchas diferencias es que ARIMA+ de BQML usa ARIMA para modelar el componente de tendencia, mientras que Prophet intenta ajustar una curva mediante un modelo logístico o lineal por partes.

Google Cloud ofrece una canalización para entrenar un modelo ARIMA_PLUS de BigQuery ML y una canalización para obtener inferencias por lotes a partir de un modelo ARIMA_PLUS de BigQuery ML. Ambas canalizaciones son instancias de Vertex AI Pipelines de Google Cloud Pipeline Components (GCPC).

¿Qué sigue?

• Obtén más información sobre ARIMA_PLUS de BigQuery ML.
• Obtén más información sobre las cuentas de servicio que usa este flujo de trabajo.