本教程介绍了如何使用ARIMA_PLUS单变量时序模型根据给定列的历史值来预测该列的未来值。
本教程将预测单个时序。系统会针对输入数据中的每个时间点计算一次预测值。
本教程使用来自公开的 bigquery-public-data.google_analytics_sample.ga_sessions 示例表中的数据。此表格包含 Google Merchandise Store 的电子商务数据（已进行模糊处理）。
创建数据集
创建 BigQuery 数据集以存储机器学习模型。
控制台
在 Google Cloud 控制台中，前往 BigQuery 页面。
在探索器窗格中，点击您的项目名称。
点击 查看操作 > 创建数据集
在 创建数据集 页面上，执行以下操作：
在数据集 ID 部分，输入
bqml_tutorial。在位置类型部分，选择多区域，然后选择 US (multiple regions in United States)（美国[美国的多个区域]）。
保持其余默认设置不变，然后点击创建数据集。
bq
如需创建新数据集，请使用带有 --location 标志的 bq mk 命令。 如需查看完整的潜在参数列表，请参阅 bq mk --dataset 命令参考文档。
创建一个名为
bqml_tutorial的数据集，并将数据位置设置为US，说明为BigQuery ML tutorial dataset：bq --location=US mk -d \ --description "BigQuery ML tutorial dataset." \ bqml_tutorial
该命令使用的不是
--dataset标志，而是-d快捷方式。如果省略-d和--dataset，该命令会默认创建一个数据集。确认已创建数据集：
bq ls
API
使用已定义的数据集资源调用 datasets.insert 方法。
{ "datasetReference": { "datasetId": "bqml_tutorial" } }
BigQuery DataFrame
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
直观呈现输入数据
在创建模型之前，您可以选择直观呈现输入时序数据，以了解分布情况。您可以使用 Looker 数据洞察执行此操作。
请按照以下步骤直观呈现时序数据：
SQL
在以下 GoogleSQL 查询中，SELECT 语句会将输入表中的 date 列解析为 TIMESTAMP 类型，并将其重命名为 parsed_date，并使用 SUM(...) 子句和 GROUP BY date 子句创建每日 totals.visits 值。
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT PARSE_TIMESTAMP("%Y%m%d", date) AS parsed_date, SUM(totals.visits) AS total_visits FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*` GROUP BY date;
查询完成后，依次点击探索数据 > 使用 Looker Studio 探索。Looker Studio 将在新标签页中打开。在该新标签页中完成以下步骤。
在 Looker Studio 中，依次点击插入 > 时序图表。
在图表窗格中，选择设置标签页。
在指标部分，添加 total_visits 字段，并移除默认的记录数指标。生成的图表如下所示：
从图表中，您可以看到输入时序具有每周的季节性模式。
。
BigQuery DataFrame
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
结果类似于以下内容：
创建时序模型
创建一个时序模型来预测由 totals.visits 列表示的网站总访问量，并使用 Google Analytics 360 数据对其进行训练。
SQL
在以下查询中，OPTIONS(model_type='ARIMA_PLUS', time_series_timestamp_col='date', ...) 子句指示您正在创建一个基于 ARIMA 的时序模型。CREATE MODEL 语句的 auto_arima 选项默认为 TRUE，因此 auto.ARIMA 算法会自动调整模型中的超参数。该算法会拟合数十个候选模型，并选择具有最低 Akaike 信息准则 (AIC) 的最佳模型。CREATE MODEL 语句的 data_frequency 选项默认为 AUTO_FREQUENCY，因此训练过程会自动推断输入时序的数据频率。CREATE MODEL 语句的 decompose_time_series 选项默认为 TRUE，以便在您在下一步中评估模型时返回有关时序数据的信息。
请按照以下步骤创建模型：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
CREATE OR REPLACE MODEL `bqml_tutorial.ga_arima_model` OPTIONS (model_type = 'ARIMA_PLUS', time_series_timestamp_col = 'parsed_date', time_series_data_col = 'total_visits', auto_arima = TRUE, data_frequency = 'AUTO_FREQUENCY', decompose_time_series = TRUE ) AS SELECT PARSE_TIMESTAMP("%Y%m%d", date) AS parsed_date, SUM(totals.visits) AS total_visits FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*` GROUP BY date;
查询大约需要 4 秒才能完成，之后您就可以访问
ga_arima_model模型了。由于查询使用CREATE MODEL语句来创建模型，因此您看不到查询结果。
BigQuery DataFrame
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
评估候选模型
SQL
使用 ML.ARIMA_EVALUATE 函数评估时序模型。ML.ARIMA_EVALUATE 函数会显示自动超参数调整过程中评估的所有候选模型的评估指标。
请按照以下步骤评估模型：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.ARIMA_EVALUATE(MODEL `bqml_tutorial.ga_arima_model`);
结果应如下所示：
BigQuery DataFrame
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
non_seasonal_p、non_seasonal_d、non_seasonal_q 和 has_drift 输出列定义了训练流水线中的 ARIMA 模型。log_likelihood、AIC 和 variance 输出列与 ARIMA 模型拟合过程相关。
auto.ARIMA 算法使用 KPSS 测试来确定 non_seasonal_d 的最佳值，在本例中为 1。当 non_seasonal_d 为 1 时，auto.ARIMA 算法会并行训练 42 个不同的候选 ARIMA 模型。在此示例中，所有 42 个候选模型均有效，因此输出包含 42 行，每行对应一个候选 ARIMA 模型；如果某些模型无效，则会从输出中排除。这些候选模型将按照 AIC 升序返回。第一行中的模型具有最低的 AIC，它被视为最佳模型。最佳模型将保存为最终模型，并在您对模型调用 ML.FORECAST 等函数时使用
seasonal_periods 列包含有关时序数据中识别出的季节性模式的信息。它与 ARIMA 建模无关，因此在所有输出行中都具有相同的值。它会报告每周模式，该模式与您选择直观呈现输入数据时看到的结果一致。
仅当 decompose_time_series=TRUE 时，才会填充 has_holiday_effect、has_spikes_and_dips 和 has_step_changes 列。这些列还反映了输入时序数据的信息，与 ARIMA 建模无关。这些列在所有输出行中也具有相同的值。
error_message 列显示 auto.ARIMA 拟合过程中发生的任何错误。错误的一个可能原因是所选 non_seasonal_p、non_seasonal_d、non_seasonal_q 和 has_drift 列无法稳定时序。如需检索所有候选模型的错误消息，请在创建模型时将 show_all_candidate_models 选项设置为 TRUE。
如需详细了解输出列，请参阅 ML.ARIMA_EVALUATE 函数。
检查模型的系数
SQL
使用 ML.ARIMA_COEFFICIENTS 函数检查时序模型的系数。
请按照以下步骤检索模型的系数：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.ARIMA_COEFFICIENTS(MODEL `bqml_tutorial.ga_arima_model`);
ar_coefficients 输出列显示了 ARIMA 模型的自动回归 (AR) 部分的模型系数。同样，ma_coefficients 输出列显示了 ARIMA 模型的移动平均值 (MA) 部分的模型系数。这两个列都包含数组值，其长度分别等于 non_seasonal_p 和 non_seasonal_q。在 ML.ARIMA_EVALUATE 函数的输出中，您看到最佳模型的 non_seasonal_p 值为 2，non_seasonal_q 值为 3。因此，在 ML.ARIMA_COEFFICIENTS 输出中，ar_coefficients 值是一个 2 个元素的数组，而 ma_coefficients 值是一个 3 个元素的数组。intercept_or_drift 值是 ARIMA 模型中的常量项。
如需详细了解输出列，请参阅 ML.ARIMA_COEFFICIENTS 函数。
BigQuery DataFrame
使用 coef_ 函数检查时序模型的系数。
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
ar_coefficients 输出列显示了 ARIMA 模型的自动回归 (AR) 部分的模型系数。同样，ma_coefficients 输出列显示了 ARIMA 模型的移动平均值 (MA) 部分的模型系数。这两个列都包含数组值，其长度分别等于 non_seasonal_p 和 non_seasonal_q。
使用模型预测数据
SQL
使用 ML.FORECAST 函数预测未来的时序值。
在以下 GoogleSQL 查询中，STRUCT(30 AS horizon, 0.8 AS confidence_level) 子句指示查询会预测 30 个未来的时间点，并生成置信度为 80% 的预测区间。
请按照以下步骤使用模型预测数据：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.FORECAST(MODEL `bqml_tutorial.ga_arima_model`, STRUCT(30 AS horizon, 0.8 AS confidence_level));
结果应如下所示：
BigQuery DataFrame
使用 predict 函数预测未来的时序值。
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
输出行按 forecast_timestamp 列值的时间顺序排序。在时序预测中，由 prediction_interval_lower_bound 和 prediction_interval_upper_bound 列值表示的预测区间与 forecast_value 列值一样重要。forecast_value 值是预测区间的中点。预测区间取决于 standard_error 和 confidence_level 列值。
如需详细了解输出列，请参阅 ML.FORECAST 函数。
解释预测结果
SQL
除了预测数据，您还可以使用 ML.EXPLAIN_FORECAST 函数获取可解释性指标。ML.EXPLAIN_FORECAST 函数会预测未来的时序值，还会返回该时序的所有单独的组件。
与 ML.FORECAST 函数类似，ML.EXPLAIN_FORECAST 函数中使用的 STRUCT(30 AS horizon, 0.8 AS confidence_level) 子句指示查询会预测 30 个未来的时间点，并生成置信度为 80% 的预测区间。
请按照以下步骤解释模型的结果：
在 Google Cloud 控制台中，前往 BigQuery 页面。
在查询编辑器中，粘贴以下查询，然后点击运行：
SELECT * FROM ML.EXPLAIN_FORECAST(MODEL `bqml_tutorial.ga_arima_model`, STRUCT(30 AS horizon, 0.8 AS confidence_level));
结果应如下所示：
输出行按
time_series_timestamp列值的时间顺序排序。如需详细了解输出列，请参阅
ML.EXPLAIN_FORECAST函数。
BigQuery DataFrame
除了预测数据，您还可以使用 predict_explain 函数获取可解释性指标。predict_explain 函数会预测未来的时序值，还会返回该时序的所有单独的组件。
与 predict 函数类似，predict_explain 函数中使用的 horizon=30, confidence_level=0.8 子句指示查询会预测 30 个未来的时间点，并生成置信度为 80% 的预测区间。
在尝试此示例之前，请按照《BigQuery 快速入门：使用 BigQuery DataFrames》中的 BigQuery DataFrames 设置说明进行操作。如需了解详情，请参阅 BigQuery DataFrames 参考文档。
如需向 BigQuery 进行身份验证，请设置应用默认凭证。如需了解详情，请参阅为本地开发环境设置 ADC。
如果您想直观呈现结果，可以按照直观呈现输入数据部分中的说明使用 Looker Studio 来创建图表，并使用以下列作为指标：
time_series_dataprediction_interval_lower_boundprediction_interval_upper_boundtrendseasonal_period_weeklystep_changes