Utilizzare festività personalizzate in un modello di previsione per serie temporali

Questo tutorial mostra come svolgere le seguenti attività:

• Crea un modello di previsione delle serie temporali ARIMA_PLUS che utilizza solo festività integrate.
• Crea un modello di previsione delle serie temporali ARIMA_PLUS che utilizza festività personalizzate oltre alle festività integrate.
• Visualizza i risultati previsti da questi modelli.
• Esamina un modello per vedere quali festività modella.
• Valuta gli effetti delle festività personalizzate sui risultati della previsione.
• Confronta le prestazioni del modello che utilizza solo le festività integrate con quelle del modello che utilizza le festività personalizzate oltre alle festività integrate.

Questo tutorial utilizza le tabelle pubbliche bigquery-public-data.wikipedia.pageviews_*.

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 sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta Introduzione a IAM.

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

• BigQuery: ti vengono addebitati dei costi per i dati elaborati in BigQuery.

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi. I nuovi utenti di Google Cloud possono essere idonei a una prova senza costi aggiuntivi.

Per ulteriori informazioni, consulta la pagina relativa ai prezzi di BigQuery.

Prima di iniziare

1. 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.

2. Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.

   Nota: se non prevedi di conservare le risorse create in questa procedura, crea un progetto anziché selezionarne uno esistente. Dopo aver completato questi passaggi, puoi eliminare il progetto, rimuovendo tutte le risorse associate.

   Vai al selettore progetti

3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

4. Attiva l'API BigQuery.

   Abilita l'API

5. Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.

   Nota: se non prevedi di conservare le risorse create in questa procedura, crea un progetto anziché selezionarne uno esistente. Dopo aver completato questi passaggi, puoi eliminare il progetto, rimuovendo tutte le risorse associate.

   Vai al selettore progetti

6. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

7. Attiva l'API BigQuery.

   Abilita l'API

Crea un set di dati

Crea un set di dati BigQuery per archiviare il tuo modello ML:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai alla pagina BigQuery

2. Nel riquadro Explorer, fai clic sul nome del progetto.

3. Fai clic su Visualizza azioni > Crea set di dati.

   

4. Nella pagina Crea set di dati:

   • 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 sono archiviati in US più regioni. Per semplicità, memorizza il set di dati nella stessa posizione.

   • Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.

     

Prepara i dati delle serie temporali

Aggrega i dati delle visualizzazioni di pagina di Wikipedia relativi alla pagina Google I/O in un'unica tabella, raggruppati per giorno:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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';
   

Visualizzare i risultati previsti

Dopo aver creato il modello utilizzando le festività integrate, unisci i dati originali della tabella bqml_tutorial.googleio_page_views con il valore previsto della funzione ML.EXPLAIN_FORECAST e visualizzali utilizzando Looker Studio:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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;
   

3. 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.

4. Nella scheda Looker Studio, fai clic su Aggiungi un grafico e poi sul grafico delle serie temporali:

   

   Posiziona il grafico nel report.

5. Nella scheda Configurazione del riquadro Grafico, fai clic su Aggiungi metrica e seleziona adjusted_views_without_custom_holiday:

   

   Il grafico è simile al seguente:

   

   Come puoi notare, il modello di previsione cattura la tendenza generale molto bene. Tuttavia, non acquisisce il maggiore traffico relativo ai precedenti eventi I/O di Google e non è in grado di generare una previsione accurata

   1. Le sezioni successive mostrano come gestire alcune di queste limitazioni.

Creare un modello di previsione per serie temporali che utilizzi festività integrate e personalizzate

Come puoi vedere nella cronologia di Google I/O, l'evento di Google I/O si è verificato in date diverse, tra il 2017 e il 2022. Per tenere conto di questa variante, crea un modello che preveda le visualizzazioni di pagina per la pagina "Google_I/O" di Wikipedia fino al 2022, in base ai dati sulle visualizzazioni di pagina precedenti al 2022 e utilizzando festività personalizzate per rappresentare l'evento Google I/O di ogni anno. In questo modello, modifichi anche la finestra dell'effetto delle festività in modo da coprire tre giorni intorno alla data dell'evento, in modo da acquisire meglio il potenziale traffico sulle pagine prima e dopo l'evento.

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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
       )
   );
   

Visualizzare i risultati previsti

Dopo aver creato il modello utilizzando festività personalizzate, unisci i dati originali della tabella bqml_tutorial.googleio_page_views con il valore previsto della funzione ML.EXPLAIN_FORECAST e visualizzali utilizzando Looker Studio:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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;
   

3. 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.

4. Nella scheda Looker Studio, fai clic su Aggiungi un grafico, poi sul grafico delle serie temporali e posiziona il grafico nel report.

5. 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 notare, le festività personalizzate hanno migliorato il rendimento del modello di previsione. Ora acquisisce in modo efficace l'aumento delle visualizzazioni di pagina causato da Google I/O.

Controllare le informazioni sulle festività

Esamina l'elenco delle festività prese in considerazione durante la definizione del modello utilizzando la funzione ML.HOLIDAY_INFO:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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;
   

   Dai risultati è emerso che la conferenza Google I/O contribuisce in misura significativa ai risultati delle previsioni in occasione delle festività:

   

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 conoscere il rendimento del secondo modello per la previsione di una festività personalizzata futura, imposta l'intervallo di tempo sulla settimana della conferenza Google I/O nel 2022:

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Nel riquadro dell'editor SQL, esegui la seguente 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

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività in questo documento, quando lo elimini elimini anche qualsiasi altro lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

1. Nella console Google Cloud, vai alla pagina Gestisci risorse.

   Vai a Gestisci risorse

2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.