Utilizzare le festività personalizzate in un modello di previsione delle serie temporali
Questo tutorial mostra come svolgere le seguenti attività:
- Crea un
ARIMA_PLUS
modello di previsione delle serie temporali che usa solo festività integrate. - Crea un modello di previsione delle serie temporali
ARIMA_PLUS
che utilizza modelli festività in aggiunta alle festività integrate. - Visualizza i risultati previsti da questi modelli.
- Esamina un modello per vedere quali festività viene modellato.
- Valutare gli effetti delle festività personalizzate sui risultati previsti.
- Confronta le prestazioni del modello che utilizza solo festività integrate con del modello che utilizza le festività personalizzate oltre in vacanza incorporate.
Questo tutorial utilizza bigquery-public-data.wikipedia.pageviews_*
in tabelle pubbliche.
Autorizzazioni obbligatorie
- Per creare il set di dati, è necessario il
bigquery.datasets.create
Autorizzazione IAM. Per creare la risorsa di connessione, devi disporre delle seguenti autorizzazioni:
bigquery.connections.create
bigquery.connections.get
Per creare il modello, devi disporre delle seguenti autorizzazioni:
bigquery.jobs.create
bigquery.models.create
bigquery.models.getData
bigquery.models.updateData
bigquery.connections.delegate
Per eseguire l'inferenza, devi disporre delle seguenti autorizzazioni:
bigquery.models.getData
bigquery.jobs.create
Per ulteriori informazioni su ruoli e autorizzazioni IAM in per BigQuery, consulta Introduzione a IAM.
Costi
In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:
- BigQuery: You incur costs for the data you process in BigQuery.
Per generare una stima dei costi basata sull'utilizzo previsto,
utilizza il Calcolatore prezzi.
Per ulteriori informazioni, vedi Prezzi di BigQuery.
Prima di iniziare
- 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.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva l'API BigQuery.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva l'API BigQuery.
Crea un set di dati
Crea un set di dati BigQuery per archiviare il tuo modello ML:
Nella console Google Cloud, vai alla pagina BigQuery.
Nel riquadro Explorer, fai clic sul nome del tuo progetto.
Fai clic su
Visualizza azioni > Crea il set di dati.Nella pagina Crea set di dati, segui questi passaggi:
In ID set di dati, inserisci
bqml_tutorial
.Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).
I set di dati pubblici vengono archiviati nell'
US
più regioni. Per semplicità, per archiviare il set di dati nella stessa posizione.Lascia invariate le restanti impostazioni predefinite e fai clic su Crea il set di dati.
Prepara i dati delle serie temporali
Aggrega i dati di visualizzazione della pagina Wikipedia per Google I/O in un'unica raggruppata per giorno:
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
CREATE OR REPLACE TABLE `bqml_tutorial.googleio_page_views` AS SELECT DATETIME_TRUNC(datehour, DAY) AS date, SUM(views) AS views FROM `bigquery-public-data.wikipedia.pageviews_*` WHERE datehour >= '2017-01-01' AND datehour < '2023-01-01' AND title = 'Google_I/O' GROUP BY DATETIME_TRUNC(datehour, DAY)
Creare un modello di previsione delle serie temporali che utilizza le festività integrate
Crea un modello che prevede le visualizzazioni di pagina giornaliere per la Wikipedia "Google I/O" pagina, in base alla pagina Visualizza i dati prima del 2022 e prendendo in considerazione le festività integrate:
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
CREATE OR REPLACE MODEL `bqml_tutorial.forecast_googleio` OPTIONS ( model_type = 'ARIMA_PLUS', holiday_region = 'US', time_series_timestamp_col = 'date', time_series_data_col = 'views', data_frequency = 'DAILY', horizon = 365) AS SELECT * FROM `bqml_tutorial.googleio_page_views` WHERE date < '2022-01-01';
Visualizza i risultati previsti
Dopo aver creato il modello utilizzando le festività integrate, unisci i dati originali da
la tabella bqml_tutorial.googleio_page_views
con il valore previsto dalla
Funzione ML.EXPLAIN_FORECAST
,
e quindi visualizzarlo
utilizzando Looker Studio:
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
SELECT original.date, original.views AS original_views, explain_forecast.time_series_adjusted_data AS adjusted_views_without_custom_holiday, FROM `bqml_tutorial.googleio_page_views` original INNER JOIN ( SELECT * FROM ML.EXPLAIN_FORECAST( MODEL `bqml_tutorial.forecast_googleio`, STRUCT(365 AS horizon)) ) explain_forecast ON TIMESTAMP(original.date) = explain_forecast.time_series_timestamp ORDER BY original.date;
Nel riquadro Risultati delle query, fai clic su Esplora i dati. e poi fai clic su Esplora con Looker Studio. Looker Studio. si apre in una nuova scheda.
Nella scheda Looker Studio, fai clic su Aggiungi un grafico e poi fai clic sul grafico delle serie temporali:
Posiziona il grafico nel report.
Nella scheda Configurazione del riquadro Grafico, fai clic su Aggiungi metrica e seleziona adjusted_views_without_custom_holiday:
Il grafico è simile al seguente:
Puoi notare che il modello di previsione cattura la tendenza generale beh. Tuttavia, non sta acquisendo l'aumento del traffico correlato agli annunci precedenti di eventi Google I/O e non è in grado di generare una previsione accurata
- Le prossime sezioni ti mostreranno come gestire alcuni di questi limitazioni.
Creare un modello di previsione per le serie temporali che utilizzi festività integrate e festività personalizzate
Come puoi vedere nelle cronologia Google I/O, Google I/O si è verificato in date diverse tra il 2017 e il 2022. Per questa variante, crea un modello che prevede le visualizzazioni di pagina per "Google_I/O" su Wikipedia pagina fino al 2022, in base ai dati sulle visualizzazioni di pagina precedenti 2022 e l'uso di festività personalizzate per rappresentare ogni anno l'evento Google I/O. In questo modello, regoli anche la finestra dell'effetto festivo in modo da coprire i tre giorni intorno alla data dell'evento, per acquisire meglio il potenziale traffico sulla pagina prima e dopo l'evento.
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
CREATE OR REPLACE MODEL `bqml_tutorial.forecast_googleio_with_custom_holiday` OPTIONS ( model_type = 'ARIMA_PLUS', holiday_region = 'US', time_series_timestamp_col = 'date', time_series_data_col = 'views', data_frequency = 'DAILY', horizon = 365) AS ( training_data AS ( SELECT * FROM `bqml_tutorial.googleio_page_views` WHERE date < '2022-01-01' ), custom_holiday AS ( SELECT 'US' AS region, 'GoogleIO' AS holiday_name, primary_date, 1 AS preholiday_days, 2 AS postholiday_days FROM UNNEST( [ DATE('2017-05-17'), DATE('2018-05-08'), DATE('2019-05-07'), -- cancelled in 2020 due to pandemic DATE('2021-05-18'), DATE('2022-05-11')]) AS primary_date ) );
Visualizza i risultati previsti
Dopo aver creato il modello utilizzando le festività personalizzate, unisci i dati originali da
la tabella bqml_tutorial.googleio_page_views
con il valore previsto dalla
Funzione ML.EXPLAIN_FORECAST
,
e quindi visualizzarlo
utilizzando Looker Studio:
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
SELECT original.date, original.views AS original_views, explain_forecast.time_series_adjusted_data AS adjusted_views_with_custom_holiday, FROM `bqml_tutorial.googleio_page_views` original INNER JOIN ( SELECT * FROM ML.EXPLAIN_FORECAST( MODEL `bqml_tutorial.forecast_googleio_with_custom_holiday`, STRUCT(365 AS horizon)) ) explain_forecast ON TIMESTAMP(original.date) = explain_forecast.time_series_timestamp ORDER BY original.date;
Nel riquadro Risultati delle query, fai clic su Esplora i dati. e poi fai clic su Esplora con Looker Studio. Looker Studio. si apre in una nuova scheda.
Nella scheda Looker Studio, fai clic su Aggiungi un grafico, quindi sul delle serie temporali e posizionarlo nel report.
Nella scheda Configurazione del riquadro Grafico, fai clic su Aggiungi metrica e seleziona adjusted_views_with_custom_holiday.
Il grafico è simile al seguente:
Come puoi vedere, le festività personalizzate hanno migliorato il rendimento del modello di previsione. Ora registra in maniera efficace l'aumento delle di visualizzazioni causate da Google I/O.
Esaminare le informazioni relative alle festività
Esamina l'elenco delle festività prese in considerazione durante la definizione del modello
utilizzando
Funzione ML.HOLIDAY_INFO
:
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
SELECT * FROM ML.HOLIDAY_INFO( MODEL `bqml_tutorial.forecast_googleio_with_custom_holiday`);
I risultati mostrano nell'elenco sia Google I/O sia le festività integrate delle festività:
Valutare gli effetti delle festività personalizzate
Valuta gli effetti delle festività personalizzate sui risultati previsti in base a
utilizzando
Funzione ML.EXPLAIN_FORECAST
:
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
SELECT time_series_timestamp, holiday_effect_GoogleIO, holiday_effect_US_Juneteenth, holiday_effect_Christmas, holiday_effect_NewYear FROM ML.EXPLAIN_FORECAST( model `bqml_tutorial.forecast_googleio_with_custom_holiday`, STRUCT(365 AS horizon)) WHERE holiday_effect != 0;
I risultati mostrano che la conferenza Google I/O contribuisce in gran parte alle festività l'effetto sui risultati previsti:
Confronta le prestazioni del modello
Utilizza la
Funzione ML.EVALUATE
per confrontare le prestazioni del primo modello creato senza festività personalizzate
mentre il secondo è stato creato
con festività personalizzate. Per vedere come la seconda
il rendimento del modello per prevedere una
futurità personalizzata, imposta il valore
intervallo di tempo della settimana di Google I/O del 2022:
Vai alla pagina BigQuery.
Nel riquadro dell'editor SQL, esegui questa istruzione SQL:
SELECT "original" AS model_type, * FROM ml.evaluate( MODEL `bqml_tutorial.forecast_googleio`, ( SELECT * FROM `bqml_tutorial.googleio_page_views` WHERE date >= '2022-05-08' AND date < '2022-05-12' ), STRUCT( 365 AS horizon, TRUE AS perform_aggregation)) UNION ALL SELECT "with_custom_holiday" AS model_type, * FROM ml.evaluate( MODEL `bqml_tutorial.forecast_googleio_with_custom_holiday`, ( SELECT * FROM `bqml_tutorial.googleio_page_views` WHERE date >= '2022-05-08' AND date < '2022-05-12' ), STRUCT( 365 AS horizon, TRUE AS perform_aggregation));
I risultati mostrano che il secondo modello offre prestazioni significative dei contenuti migliori:
Esegui la pulizia
- Nella console Google Cloud, vai alla pagina Gestisci risorse.
- Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
- Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.