Utilizzare le festività personalizzate in un modello di previsione delle serie temporali
Questo tutorial mostra come svolgere le seguenti attività:
- Crea un
modello di previsione delle serie temporali
ARIMA_PLUS
che utilizzi solo festività integrate. - Crea un modello di previsione delle serie temporali
ARIMA_PLUS
che utilizza le festività personalizzate oltre 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 quelle del modello che utilizza festività personalizzate oltre a quelle integrate.
Questo tutorial utilizza le bigquery-public-data.wikipedia.pageviews_*
tabelle pubbliche.
Autorizzazioni obbligatorie
- Per creare il set di dati, devi disporre dell'autorizzazione IAM
bigquery.datasets.create
. 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 BigQuery, consulta Introduzione a IAM.
Costi
In questo documento, utilizzi i seguenti componenti fatturabili di Google Cloud:
- BigQuery: You incur costs for the data you process in BigQuery.
Per generare una stima dei costi in base all'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 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 in
US
più regioni. Per semplicità, archivia il tuo set di dati nella stessa località.Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.
Prepara i dati delle serie temporali
Aggrega i dati di visualizzazione di pagina Wikipedia per la pagina Google I/O in un'unica tabella, raggruppati 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 preveda le visualizzazioni di pagina giornaliere per la pagina "Google I/O" di Wikipedia, in base ai dati sulle visualizzazioni di pagina precedenti al 2022 e tenendo conto delle 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 della tabella bqml_tutorial.googleio_page_views
al valore previsto dalla funzione ML.EXPLAIN_FORECAST
e poi visualizzali 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 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 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 acquisisce abbastanza bene la tendenza generale. Tuttavia, non acquisisce l'aumento del traffico correlato a eventi Google I/O precedenti né genera previsioni
- Le sezioni successive spiegano come gestire alcune di queste limitazioni.
Creare un modello di previsione per le serie temporali che utilizzi festività integrate e festività personalizzate
Come puoi vedere nella cronologia di Google I/O, l'evento Google I/O si è verificato in date diverse tra il 2017 e il 2022. Per prendere in considerazione questa variante, crea un modello che prevede le visualizzazioni di pagina per la pagina di Wikipedia "Google_I/O" fino al 2022, in base ai dati sulle visualizzazioni di pagina precedenti al 2022, e utilizzando le festività personalizzate per rappresentare l'evento Google I/O ogni anno. In questo modello, modifichi anche la finestra degli effetti delle festività in modo che copra i tre giorni intorno alla data dell'evento, in modo da acquisire meglio una parte potenziale del traffico sulle pagine 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 della tabella bqml_tutorial.googleio_page_views
al valore previsto della funzione ML.EXPLAIN_FORECAST
e visualizzali 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 su Esplora con Looker Studio. Looker Studio si apre in una nuova scheda.
Nella scheda Looker Studio, fai clic su Aggiungi un grafico, fai clic sul grafico delle serie temporali e posiziona il grafico 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 efficacemente l'aumento delle visualizzazioni di pagina causato da Google I/O.
Esaminare le informazioni relative alle festività
Controlla l'elenco delle festività prese in considerazione durante la definizione del modello
utilizzando la
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 sia Google I/O sia le festività integrate nell'elenco delle festività:
Valutare gli effetti delle festività personalizzate
Valuta gli effetti delle festività personalizzate sui risultati previsti
utilizzando la
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 all'effetto delle festività ai risultati previsti:
Confronta le prestazioni del modello
Utilizza la funzione ML.EVALUATE
per confrontare le prestazioni del primo modello creato senza festività personalizzate e del secondo modello creato con festività personalizzate. Per valutare il rendimento del secondo modello per la previsione di una futura vacanza personalizzata, imposta l'intervallo di tempo sulla settimana di Google I/O nel 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 un miglioramento significativo delle prestazioni:
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.