시계열 예측 모델의 엔드 투 엔드 사용자 여정

이 문서에서는 시계열 예측 모델을 사용하는 데 사용할 수 있는 문과 함수를 비롯하여 BigQuery ML 시계열 예측 모델의 사용자 여정을 설명합니다. BigQuery ML은 다음과 같은 유형의 시계열 예측 모델을 제공합니다.

• ARIMA_PLUS 단변량 모델
• ARIMA_PLUS_XREG 다변량 모델
• TimesFM 단변량 모델

모델 생성 사용자 여정

다음 표에서는 시계열 예측 모델을 만드는 데 사용할 수 있는 문과 함수를 설명합니다.

모델 유형	모델 생성	기능 사전 처리	하이퍼파라미터 조정	모델 가중치	튜토리얼
ARIMA_PLUS	CREATE MODEL	자동 사전 처리	auto.ARIMA^1 자동 조정	ML.ARIMA_COEFFICIENTS	단일 시계열 예측 여러 시계열 예측 수백만 개의 시계열 예측 맞춤 휴일 사용하기 예측 값 제한 계층적 시계열 예측 수행 다변수 시계열 예측 모델로 이상 감지 수행
ARIMA_PLUS_XREG	CREATE MODEL	자동 사전 처리	auto.ARIMA^1 자동 조정	ML.ARIMA_COEFFICIENTS	단일 시계열 예측 여러 시계열 예측
TimesFM	해당 사항 없음	해당 사항 없음	해당 사항 없음	해당 사항 없음	여러 시계열 예측

¹auto.ARIMA 알고리즘은 트렌드 모듈에 대한 하이퍼파라미터 조정을 수행합니다. 하이퍼파라미터 조정은 전체 모델링 파이프라인에서 지원되지 않습니다. 자세한 내용은 모델링 파이프라인을 참조하세요.

모델 사용 사용자 여정

다음 표에서는 시계열 예측 모델을 평가, 설명하고 예측을 가져오는 데 사용할 수 있는 문과 함수를 설명합니다.

모델 유형	평가	추론	AI Explanation
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	해당 사항 없음	AI.FORECAST	해당 사항 없음

¹ML.EVALUATE 함수에 평가 데이터를 입력하여 평균 절대 백분율 오차 (MAPE)와 같은 예측 측정항목을 계산할 수 있습니다. 평가 데이터가 없는 경우 ML.ARIMA_EVALUATE 함수를 사용하여 모델에 관한 정보(예: 드리프트 및 분산)를 출력할 수 있습니다.

²ML.EXPLAIN_FORECAST 함수의 출력은 ML.FORECAST 결과의 상위 집합이므로 ML.EXPLAIN_FORECAST 함수는 ML.FORECAST 함수를 포함합니다.