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。統計モデルとして、ニューラル ネットワークに基づくモデルよりもトレーニングが高速です。モデルのトレーニングで多数の迅速なイテレーションを行う必要がある場合、または他のモデルを測定するために低価格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、シーズン、祝日に分解し、モデルの予測の集計を使用して予測を生成します。ただし多くの相違点のうちの一つで、BQML ARIMA+ 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のに対し、Prophet は区分的ロジスティック モデルまたは線形モデルを使用して曲線を試行します。

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。