透過集合功能整理內容
你可以依據偏好儲存及分類內容。
TimesFM 模型
本文說明 BigQuery ML 的內建 TimesFM 時間序列預測模型。
內建的 TimesFM 單變數模型是 Google 研究團隊的開放原始碼 TimesFM 模型實作項目。Google Research TimesFM 模型是時間序列預測的基礎模型,已根據許多實際資料集中的數十億個時間點預先訓練,因此您可以將其套用至許多領域的新預測資料集。所有 BigQuery 支援的區域都提供 TimesFM 模型。
使用 BigQuery ML 的內建 TimesFM 模型搭配 AI.FORECAST
函式,即可執行預測,不必建立及訓練自己的模型,因此不需要管理模型。TimesFM 模型的預測結果可與 ARIMA 等傳統統計方法相提並論。如果您需要比 TimesFM 模型提供的更多模型微調選項,可以改為建立 ARIMA_PLUS
或 ARIMA_PLUS_XREG
模型,並搭配 ML.FORECAST
函式使用。
如要試用 AI.FORECAST
函式搭配 TimesFM 模型,請參閱「使用 TimesFM 單變數模型預測多個時間序列」。
如要進一步瞭解 Google 研究的 TimesFM 模型,請參閱下列資源:
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2025-09-11 (世界標準時間)。
[[["容易理解","easyToUnderstand","thumb-up"],["確實解決了我的問題","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["難以理解","hardToUnderstand","thumb-down"],["資訊或程式碼範例有誤","incorrectInformationOrSampleCode","thumb-down"],["缺少我需要的資訊/範例","missingTheInformationSamplesINeed","thumb-down"],["翻譯問題","translationIssue","thumb-down"],["其他","otherDown","thumb-down"]],["上次更新時間:2025-09-11 (世界標準時間)。"],[],[],null,[]]