ARIMA+ による予測

ARIMA+ を使用してモデルをトレーニングする方法を確認するには、次のいずれかの環境で Jupyter ノートブック「Vertex AI 表形式ワークフローを使用して BigQuery ML ARIMA_PLUS モデルをトレーニングする」を実行します。

Colab で開く | Colab Enterprise で開く | Vertex AI Workbench のユーザー管理のノートブックで開く | GitHub で表示する

BigQuery ML ARIMA_PLUS は一変量予測モデルです。統計モデルであるため、ニューラル ネットワークに基づくモデルよりも高速にトレーニングできます。モデル トレーニングを何度も高速に反復する必要がある場合や、他のモデルを測定するために低コストのベースラインが必要な場合は、BigQuery ML ARIMA_PLUS モデルをトレーニングすることをおすすめします。

Prophet と同様に、BigQuery ML ARIMA_PLUS は各時系列をトレンド、季節、休日に分解し、こうしたモデルの予測を集約して最終的な予測を作成します。ただし相違点も多く、その 1 つとして BQML ARIMA+ では ARIMA を使用してトレンド コンポーネントをモデル化することに対し、Prophet では区分ロジスティック モデルまたは線形モデルを使用して曲線の一致を試みます。

Google Cloud には、BigQuery ML ARIMA_PLUS モデルをトレーニングするためのパイプラインと、BigQuery ML ARIMA_PLUS モデルからバッチ予測を取得するためのパイプラインが用意されています。どちらのパイプラインも、Google Cloud パイプライン コンポーネント（GCPC）の Vertex AI Pipelines のインスタンスです。

次のステップ

• BigQuery ML ARIMA_PLUS の詳細を確認する。
• このワークフローで使用されるサービス アカウントについて学習する。