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 velocizzare notevolmente la query e come valutare l'accuratezza della previsione. Utilizzerai i dati di new_york.citibike_trips. Questi dati contengono informazioni sui viaggi di Citi Bike a New York.

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

Obiettivi

In questo tutorial, utilizzerai:

  • L'istruzione CREATE MODEL: per 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 ispezionare i coefficienti del modello.
  • La funzione ML.EXPLAIN_FORECAST: per recuperare vari componenti della serie temporale (come la stagionalità e la tendenza) che possono essere utilizzati per spiegare i risultati della previsione.
  • Looker Studio: per visualizzare i risultati delle previsioni.
  • (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 dei 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. BigQuery viene abilitato automaticamente nei nuovi progetti. Per attivare BigQuery in un progetto preesistente, vai a

    Attiva l'API BigQuery.

    Abilita l'API

Passaggio 1: crea il tuo set di dati

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

  1. Nella console Google Cloud, vai alla pagina BigQuery.

    Vai alla pagina BigQuery

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

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

    Crea set di dati.

  4. Nella pagina Crea set di dati:

    • In ID set di dati, inserisci bqml_tutorial.
    • In Località dei dati, scegli Stati Uniti (US). Attualmente, i set di dati pubblici vengono archiviati nella località a più aree geografiche US. Per semplicità, devi collocare 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 2: visualizza le serie temporali che vuoi prevedere

Prima di creare il modello, è utile verificare l'aspetto della serie temporale di input. A questo scopo, puoi usare Looker Studio.

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

Nell'istruzione SELECT, la query utilizza la funzione ESTRATTO 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. Nella console Google Cloud, 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 al seguente screenshot. Nello screenshot puoi vedere che questa serie temporale ha 1184 punti dati giornalieri, che coprono più di 4 anni. Fai clic sul pulsante Explore data (Esplora dati), quindi su Explore with Looker Studio. Looker Studio si apre in una nuova scheda. Completa i passaggi seguenti nella nuova scheda.

    Output query.

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

    Grafico_time_series.

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

    campi_dati_serie_tempo.

    Una volta completato il passaggio precedente, viene visualizzato il seguente grafico. Il grafico mostra che la serie temporale di input ha modelli sia settimanali che annuali. Le serie temporali sono in aumento.

    Visualizzazione_di_risultati.

Passaggio 3: crea il modello della serie temporale per eseguire previsioni a singola serie temporale

Successivamente, crea un modello di serie temporale utilizzando i dati dei viaggi in bicicletta di NYC Citi.

La seguente query SQL standard crea un modello utilizzato per prevedere le 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 di serie temporale basato su ARIMA. Per impostazione predefinita, auto_arima=TRUE consente all'algoritmo auto.ARIMA di regolare automaticamente gli iperparametri nei modelli ARIMA_PLUS. L'algoritmo adatta decine di modelli candidati e sceglie il migliore con il Criterio di informazione Akaike (AIC) 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 meglio come la serie temporale viene recuperata recuperando i componenti separati delle serie temporali, come i periodi stagionali e l'effetto delle festività.

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

  1. Nella console Google Cloud, 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 vedrai i risultati.

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

Per spiegare come si prevede la serie temporale, visualizza tutti i componenti della serie secondaria, ad esempio stagionalità e tendenze, utilizzando la funzione ML.EXPLAIN_FORECAST.

Per farlo, segui questi passaggi:

  1. Nella console Google Cloud, 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 Explore data (Esplora dati), quindi su Explore with Looker Studio. Nel browser si apre una nuova scheda. Quindi, nel riquadro Grafico, trova l'icona Grafico delle serie temporali e fai clic su di esso, come mostrato nel seguente screenshot.

    Grafico_time_series.

  5. Nel riquadro Dati, procedi nel seguente modo:

    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_time_series.

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

    Sezione_stile.

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

    Visualizzazione_di_risultati.

Passaggio 5: esegui la previsione di più serie temporali contemporaneamente

Successivamente, potresti prevedere il numero totale di corse giornaliere che partono da diverse stazioni Citi Bike. Per farlo, devi prevedere molte serie temporali. Puoi scrivere più query CREATE MODEL, ma può essere un processo noioso e laborioso, soprattutto quando hai 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 denominato 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 la serie temporale viene analizzata nella pipeline di addestramento recuperando i risultati della scomposizione.

La clausola SELECT ... FROM ... GROUP BY ... indica che crei più serie temporali e ognuna è associata a una serie start_station_name diversa. Per semplicità, utilizza la clausola WHERE ... LIKE ... per limitare le stazioni di partenza a quelle il cui nome contiene Central Park.

Per eseguire la query CREATE MODEL per creare e addestrare il tuo modello, segui questi passaggi:

  1. Nella console Google Cloud, 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 modello (nyc_citibike_arima_model_group) viene visualizzato nel pannello di navigazione. Poiché la query utilizza un'istruzione CREATE MODEL, non vedrai i risultati.

Passaggio 6: esamina 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. Nella console Google Cloud, 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 il seguente aspetto:

    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

    La prima colonna start_station_name riporta la serie temporale a cui si riferisce ogni modello della serie temporale. È uguale a quello specificato da time_series_id_col.

    Le seguenti quattro colonne (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 modello ARIMA migliore utilizzando 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 è 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 altre no.

Passaggio 7: analizza i coefficienti dei tuoi 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, procedi nel seguente modo:

  1. Nella console Google Cloud, 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 al seguente screenshot:

    ML.ARIMA_COEFFICIENTS.

    I risultati includono le seguenti colonne:

    • start_station_name
    • ar_coefficients
    • ma_coefficients
    • intercept_or_drift

    start_station_name, la prima colonna, riporta la serie temporale a cui si riferisce ogni modello.

    ar_coefficients mostra i coefficienti del modello della parte autoregressiva (AR) del modello ARIMA. Allo stesso modo, ma_coefficients mostra i coefficienti del modello della parte della media mobile (MA). Entrambi sono array, la cui lunghezza è rispettivamente uguale 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 più serie temporali contemporaneamente con 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, allo stesso tempo, 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'affidabilità del 90%. La funzione ML.EXPLAIN_FORECAST prende il modello, oltre a un paio di argomenti facoltativi.

Per eseguire la query ML.EXPLAIN_FORECAST, procedi nel seguente modo:

  1. Nella console Google Cloud, 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 il seguente aspetto:

    ML.EXPLAIN_FORECAST output1. 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 time_series_timestamp. Diversi componenti sono elencati come colonne dell'output. Per ulteriori informazioni, consulta la definizione di ML.EXPLAIN_FORECAST.

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

La funzione ML.FORECAST può essere utilizzata anche per la previsione dei valori di serie temporali futuri con un intervallo di previsione utilizzando il tuo 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 un'affidabilità del 90%.

La funzione ML.FORECAST prende il modello e un paio di argomenti facoltativi.

Per eseguire la query ML.FORECAST, procedi nel seguente modo:

  1. Nella console Google Cloud, 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 il seguente aspetto:

    di 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 (presto obsoleto)
    • confidence_interval_upper_bound (presto obsoleto)

    La prima colonna, start_station_name, riporta la serie temporale a cui si riferisce ogni modello. Ogni start_station_name ha un numero di orizzonti di righe per i risultati di previsione.

    Per ogni start_station_name, le righe di output vengono ordinate in ordine cronologico 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 centrale 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 comporta la rimozione di tutti i set di dati e di tutte le tabelle nel progetto. Se preferisci riutilizzare il progetto, puoi eliminare il set di dati creato in questo tutorial:

  1. Se necessario, apri la pagina BigQuery nella console Google Cloud.

    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 di eliminazione digitando il nome del set di dati (bqml_tutorial) e fai clic su Elimina.

Eliminazione del progetto

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