時系列予測モデルのエンドツーエンドのユーザー ジャーニー

このドキュメントでは、BigQuery ML 時系列予測モデルのユーザー ジャーニーについて説明します。これには、時系列予測モデルの操作に使用できるステートメントと関数が含まれます。BigQuery ML には、次のタイプの時系列予測モデルが用意されています。

• ARIMA_PLUS 単変量モデル
• ARIMA_PLUS_XREG 多変量モデル
• TimesFM 単変量モデル

モデル作成のユーザー ジャーニー

次の表に、時系列予測モデルの作成に使用できるステートメントと関数を示します。

モデルタイプ	モデルの作成	特徴量の前処理	ハイパーパラメータ調整	モデルの重み付け	チュートリアル
ARIMA_PLUS	CREATE MODEL	自動前処理	auto.ARIMA^1 自動チューニング	ML.ARIMA_COEFFICIENTS	単一の時系列を予測する 複数の時系列を予測する 時系列を数百万件単位で予測する カスタムの祝日を使用する 予測値を制限する 階層型時系列予測を実行する 多変量時系列予測モデルで異常検出を実行する
ARIMA_PLUS_XREG	CREATE MODEL	自動前処理	auto.ARIMA^1 自動チューニング	ML.ARIMA_COEFFICIENTS	単一の時系列を予測する 複数の時系列を予測する
TimesFM	なし	なし	なし	なし	複数の時系列を予測する

¹auto.ARIMA アルゴリズムは、トレンド モジュールのハイパーパラメータ チューニングを実行します。ハイパーパラメータ チューニングは、モデリング パイプライン全体ではサポートされていません。詳細については、モデリング パイプラインをご覧ください。

モデルのユースケースのユーザー ジャーニー

次の表に、時系列予測モデルの評価、説明、予測の取得に使用できるステートメントと関数を示します。

モデルタイプ	評価	推論	AI の説明
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	なし	AI.FORECAST	なし

¹ML.EVALUATE 関数に評価データを入力して、平均絶対パーセント誤差（MAPE）などの予測指標を計算できます。評価データがない場合は、ML.ARIMA_EVALUATE 関数を使用して、ドリフトや分散などのモデルに関する情報を出力できます。

² ML.EXPLAIN_FORECAST 関数の出力は ML.FORECAST の結果のスーパーセットであるため、ML.EXPLAIN_FORECAST 関数は ML.FORECAST 関数を包含します。