Previsão com ARIMA+

Para ver um exemplo de como treinar um modelo com ARIMA+, execute o notebook "Treinar um modelo ARIMA_PLUS do BigQuery ML usando fluxos de trabalho tabulares da Vertex AI" em um dos seguintes ambientes:

Abrir no Colab | Abrir no Colab Enterprise | Abrir no Vertex AI Workbench | Ver no GitHub

O BigQuery ML ARIMA_PLUS é um modelo de previsão univariado. Por ser um modelo estatístico, ele é mais rápido treinar do que um modelo baseado em redes neurais. Recomendamos treinar um modelo BigQuery ML ARIMA_PLUS quando você precisa executar muitas iterações rápidas de treinamento de modelo ou precisa de um valor de referência econômico para medir outros modelos.

Assim como o Prophet, o BigQuery ML ARIMA_PLUS tenta decompor cada série temporal em tendências, estações e feriados, produzindo uma previsão usando a agregação dessas inferências de modelos. No entanto, uma das muitas diferenças é que o BQML ARIMA+ usa o ARIMA para modelar o componente de tendência, enquanto o Prophet tenta ajustar uma curva usando um modelo logístico ou linear parcial.

Google Cloud oferece um pipeline para treinar um modelo ARIMA_PLUS do BigQuery ML e um pipeline para receber inferências em lote de um modelo ARIMA_PLUS do BigQuery ML. Os dois pipelines são instâncias de Vertex AI Pipelines de Componentes de pipeline doGoogle Cloud (GCPC).

A seguir

• Saiba mais sobre o ARIMA_PLUS do BigQuery ML.
• Saiba mais sobre as contas de serviço usadas por este fluxo de trabalho.