Perjalanan pengguna menyeluruh untuk model perkiraan deret waktu

Dokumen ini menjelaskan perjalanan pengguna untuk model perkiraan deret waktu BigQuery ML, termasuk pernyataan dan fungsi yang dapat Anda gunakan untuk bekerja dengan model perkiraan deret waktu. BigQuery ML menawarkan jenis model peramalan deret waktu berikut:

• ARIMA_PLUS model univariat
• ARIMA_PLUS_XREG model multivariat
• Model univariat TimesFM

Perjalanan pengguna pembuatan model

Tabel berikut menjelaskan pernyataan dan fungsi yang dapat Anda gunakan untuk membuat model perkiraan deret waktu:

Jenis model	Pembuatan model	Pra-pemrosesan fitur	Penyesuaian hyperparameter	Bobot model	Tutorial
ARIMA_PLUS	CREATE MODEL	Pra-pemrosesan otomatis	Penyesuaian otomatis auto.ARIMA^1	ML.ARIMA_COEFFICIENTS	Memperkirakan deret waktu tunggal Memperkirakan beberapa deret waktu Memperkirakan jutaan deret waktu Menggunakan hari libur khusus Batasi nilai yang diperkirakan Melakukan perkiraan deret waktu hierarkis Melakukan deteksi anomali dengan model perkiraan deret waktu multivariat
ARIMA_PLUS_XREG	CREATE MODEL	Pra-pemrosesan otomatis	Penyesuaian otomatis auto.ARIMA^1	ML.ARIMA_COEFFICIENTS	Memperkirakan deret waktu tunggal Memperkirakan beberapa deret waktu
TimesFM	T/A	T/A	T/A	T/A	Memperkirakan beberapa deret waktu

¹Algoritma auto.ARIMA melakukan penyesuaian hyperparameter untuk modul tren. Penyesuaian hyperparameter tidak didukung untuk seluruh pipeline pemodelan. Lihat pipeline pemodelan untuk detail selengkapnya.

Perjalanan pengguna penggunaan model

Tabel berikut menjelaskan pernyataan dan fungsi yang dapat Anda gunakan untuk mengevaluasi, menjelaskan, dan mendapatkan perkiraan dari model peramalan deret waktu:

Jenis model	Evaluasi	Inferensi	AI Explanations
ARIMA_PLUS	ML.EVALUATE^1 ML.ARIMA_EVALUATE ML.HOLIDAY_INFO	ML.FORECAST ML.DETECT_ANOMALIES	ML.EXPLAIN_FORECAST^2
ARIMA_PLUS_XREG	ML.EVALUATE^1 ML.ARIMA_EVALUATE ML.HOLIDAY_INFO	ML.FORECAST ML.DETECT_ANOMALIES	ML.EXPLAIN_FORECAST^2
TimesFM	T/A	AI.FORECAST	T/A

¹Anda dapat memasukkan data evaluasi ke fungsi ML.EVALUATE untuk menghitung metrik perkiraan seperti rata-rata error persentase absolut (MAPE). Jika tidak memiliki data evaluasi, Anda dapat menggunakan fungsi ML.ARIMA_EVALUATE untuk menghasilkan informasi tentang model seperti penyimpangan dan varians.

²Fungsi ML.EXPLAIN_FORECAST mencakup fungsi ML.FORECAST karena outputnya adalah superset dari hasil ML.FORECAST.