发送反馈
使用 ARIMA+ 进行预测
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
BigQuery ML ARIMA_PLUS 是一种单变量预测模型。作为统计模型,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,则建议您训练 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,以及从 BigQuery ML ARIMA_PLUS 模型获取批量预测结果的流水线。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
发送反馈
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可 获得了许可,并且代码示例已根据 Apache 2.0 许可 获得了许可。有关详情,请参阅 Google 开发者网站政策 。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2024-03-15。
[{
"type": "thumb-down",
"id": "hardToUnderstand",
"label":"Hard to understand"
},{
"type": "thumb-down",
"id": "incorrectInformationOrSampleCode",
"label":"Incorrect information or sample code"
},{
"type": "thumb-down",
"id": "missingTheInformationSamplesINeed",
"label":"Missing the information/samples I need"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻译问题"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"其他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"易于理解"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"解决了我的问题"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"其他"
}]
需要向我们提供更多信息?