BigQuery ML ARIMA_PLUS est un modèle de prévision univarié. En tant que modèle statistique, il est plus rapide à entraîner qu'un modèle basé sur des réseaux de neurones. Nous vous recommandons d'entraîner un modèle BigQuery ML ARIMA_PLUS si vous devez effectuer de nombreuses itérations rapides d'entraînement de modèle ou si vous avez besoin d'une référence peu coûteuse pour évaluer d'autres modèles.
Comme Prophet, BigQuery ML ARIMA_PLUS tente de décomposer chaque série temporelle en tendances, saisons et jours fériés, ce qui génère une prévision à l'aide de l'agrégation des prédictions de ces modèles. Cependant, l'une des nombreuses différences est que BQML ARIMA+ utilise ARIMA pour modéliser le composant de tendance, tandis que Prophet tente d'ajuster une courbe à l'aide d'un modèle logistique ou linéaire par fragment.
Google Cloud propose un pipeline pour l'entraînement d'un modèle BigQuery ML ARIMA_PLUS et un autre pour obtenir des prédictions par lot à partir d'un modèle BigQuery ML ARIMA_PLUS. Les deux pipelines sont des instances de Vertex AI Pipelines provenant des composants du pipeline Google Cloud (GCPC).
Étapes suivantes
- Apprenez-en plus sur BigQuery ML ARIMA_PLUS.
- Découvrez les comptes de service utilisés par ce workflow.