Previsione di più serie temporali con una singola query per i viaggi di NYC Citi Bike

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

In questo tutorial imparerai a creare un insieme di modelli di serie temporali per eseguire più previsioni di serie temporali con una singola query. Imparerai inoltre ad applicare diverse strategie di addestramento rapido per accelerare in modo significativo la query e a valutare l'accuratezza delle previsioni. Utilizzerai i dati di new_york.citibike_trips. Questi dati contengono informazioni sui viaggi per Citi Bike a New York.

Prima di leggere questo tutorial, ti consigliamo vivamente di consultare la pagina Previsione delle singole serie temporali dai dati di Google Analytics.

Obiettivi

In questo tutorial utilizzerai:

  • L'istruzione CREATE MODEL consente di creare un modello di serie temporali o un insieme di modelli di serie temporali.
  • La funzione ML.ARIMA_EVALUATE: per valutare il modello.
  • La funzione ML.ARIMA_COEFFICIENTS: per esaminare i coefficienti del modello.
  • La funzione ML.EXPLAIN_FORECAST: per recuperare vari componenti della serie temporale (come stagionalità e tendenza) che possono essere utilizzati per spiegare i risultati della previsione.
  • Google Data Studio: per visualizzare i risultati della previsione.
  • (Facoltativo) La funzione ML.FORECAST: per prevedere le visite totali giornaliere.

Costi

Questo tutorial utilizza i componenti fatturabili di Google Cloud, tra cui:

  • BigQuery
  • BigQuery ML

Per ulteriori informazioni sui costi di BigQuery, consulta la pagina Prezzi di BigQuery.

Per ulteriori informazioni sui costi di BigQuery ML, consulta la pagina Prezzi di BigQuery ML.

Prima di iniziare

  1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
  2. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  3. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

  4. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  5. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

  6. La funzionalità BigQuery viene attivata automaticamente nei nuovi progetti. Per attivare BigQuery in un progetto preesistente, vai a

    Attiva l'API BigQuery.

    Abilita l'API

Passaggio 1: crea il set di dati

Il primo passaggio consiste nel creare un set di dati BigQuery per archiviare il tuo modello ML. Per creare il set di dati:

  1. In Google Cloud Console, vai alla pagina BigQuery.

    Vai alla pagina BigQuery

  2. Nella sezione Risorse, fai clic sul nome del progetto.

  3. Nel riquadro dei dettagli, fai clic su Crea set di dati.

    Crea il set di dati.

  4. Nella pagina Crea set di dati:

    • In ID set di dati, inserisci bqml_tutorial.
    • Per Località dei dati, scegli Stati Uniti (US). Attualmente, i set di dati pubblici sono archiviati nella USpiù aree geografiche location. Per semplicità, devi posizionare il set di dati nella stessa posizione.

      Crea la pagina del set di dati.

  5. Lascia invariate tutte le altre impostazioni predefinite e fai clic su Crea set di dati.

(Facoltativo) Passaggio due: visualizza le serie temporali che vuoi prevedere

Prima di creare il modello, è utile osservare l'aspetto della serie temporale di input. Per farlo, puoi utilizzare Google Data Studio.

Nella query seguente, la clausola FROM bigquery-public-data.new_york.citibike_trips indica che stai eseguendo una query sulla tabella citibike_trips nel set di dati new_york.

Nell'istruzione SELECT, la query utilizza la funzione EXTRACT per estrarre le informazioni sulla data dalla colonna starttime. La query utilizza la clausola COUNT(*) per ottenere il numero totale giornaliero di corse di Citi Bike.

#standardSQL
SELECT
   EXTRACT(DATE from starttime) AS date,
   COUNT(*) AS num_trips
FROM
  `bigquery-public-data`.new_york.citibike_trips
GROUP BY date

Per eseguire la query:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    SELECT
       EXTRACT(DATE from starttime) AS date,
       COUNT(*) AS num_trips
    FROM
      `bigquery-public-data`.new_york.citibike_trips
    GROUP BY date
    
  3. Fai clic su Esegui.

    Al termine della query, l'output è simile allo screenshot seguente. Nello screenshot puoi vedere che questa serie temporale ha 1184 punti dati giornalieri, che coprono più di 4 anni. Fai clic sul pulsante Esplora dati e poi su Esplora con Data Studio. Google Data Studio si apre in una nuova scheda. Completa i seguenti passaggi nella nuova scheda.

    Output query.

  4. Nel riquadro Grafico, scegli Grafico delle serie temporali:

    Grafico_tempo_serie.

  5. Nel riquadro Dati, sotto il riquadro Grafico, vai alla sezione Metrica. Aggiungi il campo num_trips e rimuovi la metrica predefinita Conteggio record:

    Time_series_data_fields.

    Una volta completato il passaggio precedente, viene visualizzato il grafico seguente. Il grafico mostra che la serie temporale di input ha schemi settimanali e annuali. Le serie temporali sono di tendenza.

    Visualizzazione_risultato.

Passaggio 3: crea il modello della serie temporale per eseguire una singola previsione per serie temporali

Successivamente, crea un modello di serie temporale utilizzando i dati delle corse di Citi Bike di New York.

La seguente query SQL standard crea un modello utilizzato per la previsione delle corse giornaliere totali in bicicletta. La clausola CREATE MODEL crea e addestra un modello denominato bqml_tutorial.nyc_citibike_arima_model.

#standardSQL
CREATE OR REPLACE MODEL bqml_tutorial.nyc_citibike_arima_model
OPTIONS
  (model_type = 'ARIMA_PLUS',
   time_series_timestamp_col = 'date',
   time_series_data_col = 'num_trips'
  ) AS
SELECT
   EXTRACT(DATE from starttime) AS date,
   COUNT(*) AS num_trips
FROM
  `bigquery-public-data`.new_york.citibike_trips
GROUP BY date

La clausola OPTIONS(model_type='ARIMA_PLUS', time_series_timestamp_col='date', ...) indica che stai creando un modello della serie temporale basato su ARIMA. Per impostazione predefinita, auto_arima=TRUE, quindi l'algoritmo auto.ARIMA perfeziona automaticamente gli iperparametri nei modelli ARIMA_PLUS. L'algoritmo include decine di modelli candidati e sceglie quello migliore con il criterio di informazione (AIC) Akaike più basso. Inoltre, poiché l'impostazione predefinita è data_frequency='AUTO_FREQUENCY', il processo di addestramento deduce automaticamente la frequenza dei dati della serie temporale di input. Infine, l'istruzione CREATE MODEL utilizza decompose_time_series=TRUE per impostazione predefinita e gli utenti possono comprendere ulteriormente le modalità di previsione della serie temporale recuperando i componenti separati delle serie temporali, come i periodi stagionali e l'effetto festività.

Esegui la query CREATE MODEL per creare e addestrare il modello:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    CREATE OR REPLACE MODEL bqml_tutorial.nyc_citibike_arima_model
    OPTIONS
      (model_type = 'ARIMA_PLUS',
       time_series_timestamp_col = 'date',
       time_series_data_col = 'num_trips'
      ) AS
    SELECT
       EXTRACT(DATE from starttime) AS date,
       COUNT(*) AS num_trips
    FROM
      `bigquery-public-data`.new_york.citibike_trips
    GROUP BY date
    
  3. Fai clic su Esegui.

    Il completamento della query richiede circa 17 secondi, dopodiché il modello (nyc_citibike_arima_model) viene visualizzato nel pannello di navigazione. Poiché la query utilizza un'istruzione CREATE MODEL per creare un modello, non vedi i risultati.

Passaggio 4: esegui la previsione della serie temporale e visualizza i risultati

Per spiegare come è prevista la serie temporale, visualizza tutti i componenti delle serie secondarie, ad esempio stagionalità e tendenze, utilizzando la funzione ML.EXPLAIN_FORECAST.

Per farlo, segui questi passaggi:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    SELECT
      *
    FROM
      ML.EXPLAIN_FORECAST(MODEL bqml_tutorial.nyc_citibike_arima_model,
                          STRUCT(365 AS horizon, 0.9 AS confidence_level))
    
  3. Fai clic su Esegui.

  4. Al termine della query, fai clic sul pulsante Esplora dati e poi su Esplora con Data Studio. Nel browser si apre una nuova scheda. Poi, nel riquadro Grafico, trova l'icona Grafico serie temporali e fai clic su di essa, come mostrato nello screenshot seguente.

    Grafico_tempo_serie.

  5. Nel riquadro Dati:

    1. Nella sezione Dimensione intervallo di date, seleziona time_series_timestamp (Date).
    2. Nella sezione Dimensione, seleziona time_series_timestamp (Date).
    3. Nella sezione Metrica, rimuovi la metrica predefinita Record Count e aggiungi quanto segue:
      • time_series_data
      • prediction_interval_lower_bound
      • prediction_interval_upper_bound
      • trend
      • seasonal_period_yearly
      • seasonal_period_weekly
      • spikes_and_dips
      • step_changes

    Grafico_tempo_serie.

  6. Nel riquadro Stile, scorri verso il basso fino all'opzione Dati mancanti e utilizza Interruzioni di riga anziché Riga da zero.

    Style_section.

    Dopo aver completato questi passaggi, il riquadro seguente viene visualizzato nel riquadro a sinistra.

    Visualizzazione_risultato.

Passaggio 5: prevedere più serie temporali contemporaneamente

Ora invece puoi prevedere il numero totale di corse giornaliere a partire da diverse stazioni Citi Bike. Per farlo, devi prevedere molte serie temporali. Puoi scrivere più query CREATE MODEL, ma può essere un processo complesso e dispendioso in termini di tempo, soprattutto nel caso di un numero elevato di serie temporali.

Per migliorare questo processo, BigQuery ML consente di creare un insieme di modelli di serie temporali per prevedere più serie temporali utilizzando una singola query. Inoltre, tutti i modelli delle serie temporali vengono montati contemporaneamente.

Nella seguente query SQL standard, la clausola CREATE MODEL crea e addestra un insieme di modelli denominati bqml_tutorial.nyc_citibike_arima_model_group.

 #standardSQL
CREATE OR REPLACE MODEL bqml_tutorial.nyc_citibike_arima_model_group
OPTIONS
  (model_type = 'ARIMA_PLUS',
   time_series_timestamp_col = 'date',
   time_series_data_col = 'num_trips',
   time_series_id_col = 'start_station_name',
   auto_arima_max_order = 5
  ) AS
SELECT
   start_station_name,
   EXTRACT(DATE from starttime) AS date,
   COUNT(*) AS num_trips
FROM
  `bigquery-public-data`.new_york.citibike_trips
WHERE start_station_name LIKE '%Central Park%'
GROUP BY start_station_name, date

La clausola OPTIONS(model_type='ARIMA_PLUS', time_series_timestamp_col='date', ...) indica che stai creando un set di modelli ARIMA_PLUS della serie temporale basati su ARIMA. Oltre a time_series_timestamp_col e time_series_data_col, devi specificare time_series_id_col, che viene utilizzato per annotare serie temporali di input diverse. L'opzione auto_arima_max_order controlla lo spazio di ricerca per l'ottimizzazione degli iperparametri nell'algoritmo auto.ARIMA. Infine, l'istruzione CREATE MODEL utilizza decompose_time_series=TRUE per impostazione predefinita e gli utenti possono comprendere ulteriormente come viene analizzata la serie temporale nella pipeline di addestramento recuperando i risultati della decomposizione.

La clausola SELECT ... FROM ... GROUP BY ... indica che crei più serie temporali, ciascuna associata a un start_station_name diverso. Per semplicità, utilizza la clausola WHERE ... LIKE ... per limitare le stazioni di partenza a quelle con Central Park nei loro nomi.

Per eseguire la query CREATE MODEL per creare e addestrare il modello, procedi nel seguente modo:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    CREATE OR REPLACE MODEL bqml_tutorial.nyc_citibike_arima_model_group
    OPTIONS
      (model_type = 'ARIMA_PLUS',
       time_series_timestamp_col = 'date',
       time_series_data_col = 'num_trips',
       time_series_id_col = 'start_station_name',
       auto_arima_max_order = 5
      ) AS
    SELECT
       start_station_name,
       EXTRACT(DATE from starttime) AS date,
       COUNT(*) AS num_trips
    FROM
      `bigquery-public-data`.new_york.citibike_trips
    WHERE start_station_name LIKE '%Central Park%'
    GROUP BY start_station_name, date
    
  3. Fai clic su Esegui.

    Il completamento della query richiede circa 24 secondi, dopodiché il tuo modello (nyc_citibike_arima_model_group) compare nel pannello di navigazione. Poiché la query utilizza un'istruzione CREATE MODEL, non visualizzi i risultati.

Passaggio 6: controlla le metriche di valutazione dell'insieme di modelli delle serie temporali

Dopo aver creato i modelli, puoi utilizzare la funzione ML.ARIMA_EVALUATE per visualizzare le metriche di valutazione di tutti i modelli creati.

Nella seguente query SQL standard, la clausola FROM utilizza la funzione ML.ARIMA_EVALUATE per il modello bqml_tutorial.nyc_citibike_arima_model_group. Le metriche di valutazione dipendono solo dall'input di addestramento, quindi il tuo modello è l'unico input.

Per eseguire la query ML.ARIMA_EVALUATE, segui questi passaggi:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    SELECT
     *
    FROM
     ML.ARIMA_EVALUATE(MODEL bqml_tutorial.nyc_citibike_arima_model_group)
    
  3. Fai clic su Esegui.

  4. Il completamento della query richiede meno di un secondo. Quando la query è completa, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero avere l'aspetto seguente:

    Output ML.EVALUATE.

    I risultati includono le seguenti colonne:

    • start_station_name
    • non_seasonal_p
    • non_seasonal_d
    • non_seasonal_q
    • has_drift
    • log_likelihood
    • AIC
    • variance
    • seasonal_periods
    • has_holiday_effect
    • has_spikes_and_dips
    • has_step_changes
    • error_message

    start_station_name, la prima colonna, riporta la serie temporale in base alla quale viene montato ogni modello della serie temporale. È uguale a quello specificato da time_series_id_col.

    Le quattro colonne seguenti (non_seasonal_p, non_seasonal_d, non_seasonal_q e has_drift) definiscono un modello ARIMA nella pipeline di addestramento. Le tre metriche successive (log_likelihood, AIC e variance) sono pertinenti per il processo di adattamento del modello ARIMA. Il processo di adattamento determina il miglior modello ARIMA tramite l'algoritmo auto.ARIMA, uno per ogni serie temporale.

    Le colonne has_holiday_effect, has_spikes_and_dips e has_step_changes vengono compilate solo quando decompose_time_series=TRUE.

    La colonna seasonal_periods rappresenta il pattern stagionale all'interno della serie temporale di input. Ogni serie temporale può avere modelli stagionali diversi. Ad esempio, dalla figura puoi vedere che una serie temporale ha un modello annuale, mentre le altre no.

Passaggio 7: controlla i coefficienti dei modelli

La funzione ML.ARIMA_COEFFICIENTS viene utilizzata per recuperare i coefficienti del modello ARIMA_PLUS, bqml_tutorial.nyc_citibike_arima_model_group. ML.ARIMA_COEFFICIENTS considera il modello come unico input.

Per eseguire la query ML.ARIMA_COEFFICIENTS, segui questi passaggi:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    SELECT
     *
    FROM
     ML.ARIMA_COEFFICIENTS(MODEL bqml_tutorial.nyc_citibike_arima_model_group)
    
  3. Fai clic su Esegui.

    Il completamento della query richiede meno di un secondo. I risultati dovrebbero essere simili a quelli del seguente screenshot:

    ML.ARIMA_COEFFICIENTS.

    I risultati includono le seguenti colonne:

    • start_station_name
    • ar_coefficients
    • ma_coefficients
    • intercept_or_drift

    La prima colonna start_station_name riporta la serie temporale in base alla quale viene montato ogni modello della serie.

    ar_coefficients mostra i coefficienti del modello della parte autogressiva (AR) del modello ARIMA. Analogamente, ma_coefficients mostra i coefficienti dei modelli della parte mobile-media (MA). Entrambi sono array, la cui lunghezza è uguale rispettivamente a non_seasonal_p e non_seasonal_q. intercept_or_drift è il termine costante nel modello ARIMA.

Passaggio 8: utilizza il modello per prevedere contemporaneamente più serie temporali con relative spiegazioni

La funzione ML.EXPLAIN_FORECAST prevede i valori delle serie temporali future con un intervallo di previsione utilizzando il modello, bqml_tutorial.nyc_citibike_arima_model_group, e contemporaneamente restituisce tutti i componenti separati delle serie temporali.

La clausola STRUCT(3 AS horizon, 0.9 AS confidence_level) indica che la query prevede tre punti temporali futuri e genera un intervallo di previsione con un intervallo di confidenza del 90%. La funzione ML.EXPLAIN_FORECAST utilizza il modello e due argomenti facoltativi.

Per eseguire la query ML.EXPLAIN_FORECAST, segui questi passaggi:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    SELECT
     *
    FROM
     ML.EXPLAIN_FORECAST(MODEL bqml_tutorial.nyc_citibike_arima_model_group,
                         STRUCT(3 AS horizon, 0.9 AS confidence_level))
    
  3. Fai clic su Esegui.

    Il completamento della query richiede meno di un secondo. I risultati dovrebbero avere l'aspetto seguente:

    Output ML.EXPLAIN_FORECAST1. ML.EXPLAIN_FORECAST output2.

    I risultati includono le seguenti colonne:

    • start_station_name
    • time_series_timestamp
    • time_series_type
    • time_series_data
    • time_series_adjusted_data
    • standard_error
    • confidence_level
    • prediction_interval_lower_bound
    • prediction_interval_lower_bound
    • trend
    • seasonal_period_yearly
    • seasonal_period_quarterly
    • seasonal_period_monthly
    • seasonal_period_weekly
    • seasonal_period_daily
    • holiday_effect
    • spikes_and_dips
    • step_changes

    Le righe di output sono ordinate per start_station_name e, per ogni start_station_name, le righe di output sono in ordine cronologico di time_series_timestamp. I diversi componenti sono elencati come colonne dell'output. Per ulteriori informazioni, consulta la definizione di ML.EXPLAIN_FORECAST.

(Facoltativo) Passaggio 9: utilizza il modello per prevedere più serie temporali contemporaneamente.

La funzione ML.FORECAST può essere utilizzata anche per prevedere i valori delle serie temporali future con un intervallo di previsione utilizzando il modello, bqml_tutorial.nyc_citibike_arima_model_group.

Come ML.EXPLAIN_FORECAST, la clausola STRUCT(3 AS horizon, 0.9 AS confidence_level) indica che, per ogni serie temporale, la query prevede tre punti temporali futuri e genera un intervallo di previsione con una confidenza del 90%.

La funzione ML.FORECAST utilizza il modello, oltre a un paio di argomenti facoltativi.

Per eseguire la query ML.FORECAST, segui questi passaggi:

  1. In Google Cloud Console, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

    #standardSQL
    SELECT
     *
    FROM
     ML.FORECAST(MODEL bqml_tutorial.nyc_citibike_arima_model_group,
                 STRUCT(3 AS horizon, 0.9 AS confidence_level))
    
  3. Fai clic su Esegui.

    Il completamento della query richiede meno di un secondo. I risultati dovrebbero avere l'aspetto seguente:

    Output ML.FORECAST.

    I risultati includono le seguenti colonne:

    • start_station_name
    • forecast_timestamp
    • forecast_value
    • standard_error
    • confidence_level
    • prediction_interval_lower_bound
    • prediction_interval_upper_bound
    • confidence_interval_lower_bound (a breve non sarà più disponibile)
    • confidence_interval_upper_bound (a breve non sarà più disponibile)

    La prima colonna, start_station_name, riporta la serie temporale in base alla quale viene montato ogni modello della serie. Ogni start_station_name ha un numero di orizzonti di righe per i suoi risultati di previsione.

    Per ogni start_station_name, le righe di output vengono ordinate in ordine cronologico di forecast_timestamp. Nelle previsioni di serie temporali, l'intervallo di previsione, acquisito dai limiti inferiore e superiore, è importante quanto forecast_value. forecast_value è il punto medio dell'intervallo di previsione. L'intervallo di previsione dipende da standard_error e confidence_level.

Esegui la pulizia

Per evitare che al tuo Account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

  • Puoi eliminare il progetto che hai creato.
  • In alternativa, puoi mantenere il progetto ed eliminare il set di dati.

Eliminazione del set di dati

L'eliminazione del progetto rimuove tutti i set di dati e tutte le tabelle che contiene. Se preferisci riutilizzare il progetto, puoi eliminare il set di dati che hai creato in questo tutorial:

  1. Se necessario, apri la pagina BigQuery in Google Cloud Console.

    Vai alla pagina BigQuery

  2. Nella navigazione, fai clic sul set di dati bqml_tutorial che hai creato.

  3. Fai clic su Elimina set di dati per eliminare il set di dati, la tabella e tutti i dati.

  4. Nella finestra di dialogo Elimina set di dati, conferma il comando delete digitando il nome del set di dati (bqml_tutorial) e fai clic su Elimina.

Eliminazione del progetto in corso...

Per eliminare il progetto:

  1. In Google Cloud Console, vai alla pagina Gestisci risorse.

    Vai a Gestisci risorse

  2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
  3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.

Passaggi successivi