使用 ARIMA+ 进行预测

如需查看使用 ARIMA+ 训练模型的示例，请在以下任一环境中运行“使用 Vertex AI 表格式工作流训练 BigQuery ML ARIMA_PLUS 模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

BigQuery ML ARIMA_PLUS 是一种单变量预测模型。作为统计模型，其训练速度比基于神经网络的模型更快。 如果您需要对模型训练进行多次快速迭代，或者需要以低成本的基准来衡量其他模型，我们建议您训练 BigQuery ML ARIMA_PLUS 模型。

与 Prophet 一样，BigQuery ML ARIMA_PLUS 会尝试将每个时序分解为趋势、季节和节假日，并使用这些模型的预测聚合来生成预测。但是，其中一个区别在于 BQML ARIMA+ 使用 ARIMA 对趋势组件进行建模，而 Prophet 尝试使用分段的逻辑或线性模型拟合曲线。

Google Cloud 提供用于训练 BigQuery ML ARIMA_PLUS 模型的流水线，以及用于从 BigQuery ML ARIMA_PLUS 模型获取批量预测的流水线。两个流水线都是 Google Cloud 流水线组件 (GCPC) 中的 Vertex AI Pipelines 实例。

后续步骤

• 详细了解 BigQuery ML ARIMA_PLUS。
• 了解此工作流使用的服务账号。