ForecastingSettings Třída
Nastavení prognózy pro úlohu Automatizovaného strojového učení
- Dědičnost
-
azure.ai.ml.entities._mixins.RestTranslatableMixinForecastingSettings
Konstruktor
ForecastingSettings(*, country_or_region_for_holidays: str | None = None, cv_step_size: int | None = None, forecast_horizon: str | int | None = None, target_lags: str | int | List[int] | None = None, target_rolling_window_size: str | int | None = None, frequency: str | None = None, feature_lags: str | None = None, seasonality: str | int | None = None, use_stl: str | None = None, short_series_handling_config: str | None = None, target_aggregate_function: str | None = None, time_column_name: str | None = None, time_series_id_column_names: str | List[str] | None = None, features_unknown_at_forecast_time: str | List[str] | None = None)
Parametry
Name | Description |
---|---|
country_or_region_for_holidays
Vyžadováno
|
Země nebo oblast, která se používá k vygenerování funkcí svátků. Mělo by to být dvoumísmenný kód země/oblasti ISO 3166, například "US" nebo "GB". |
cv_step_size
Vyžadováno
|
Počet období mezi origin_time jednoho přeložení životopisu a dalším přeložením. Pokud například n_step = 3 pro denní data, čas počátku každého záhybů bude od sebe tři dny. |
forecast_horizon
Vyžadováno
|
Požadovaný maximální horizont prognózy v jednotkách frekvence časových řad. Výchozí hodnota je 1. Jednotky jsou založené na časovém intervalu trénovacích dat, například měsíčních nebo týdenních, které by měl prognózovat. Při prognózování typu úkolu je tento parametr povinný. Další informace o nastavení parametrů prognózy najdete v tématu Automatické trénování modelu prognózy časových řad. |
target_lags
Vyžadováno
|
Počet minulých období, která mají být zpožděna od cílového sloupce. Ve výchozím nastavení jsou prodlevy vypnuté. Při prognózování tento parametr představuje počet řádků, které mají zaostávat v cílových hodnotách na základě frekvence dat. To je reprezentováno jako seznam nebo jedno celé číslo. Prodleva by se měla použít, když se vztah mezi nezávislými proměnnými a závislými proměnnými ve výchozím nastavení neshoduje nebo nekoreluje. Například při pokusu o prognózu poptávky po produktu může poptávka v libovolném měsíci záviset na ceně konkrétních komodit 3 měsíce před. V tomto příkladu můžete chtít záporně zaostávat cíl (poptávka) o 3 měsíce, aby model trénoval na správné relaci. Další informace najdete v tématu Automatické trénování modelu prognózy časových řad. Poznámka k automatické detekci cílových prodlev a velikosti posuvného okna. Podívejte se prosím na odpovídající komentáře v oddílu průběžného okna. Další algoritmus používáme k detekci optimální cílové prodlevy a velikosti posuvných oken.
|
target_rolling_window_size
Vyžadováno
|
Počet minulých období použitých k vytvoření průměru klouzavého okna cílového sloupce. Při prognózování tento parametr představuje n historických období, která se mají použít ke generování předpokládaných hodnot, <= velikost trénovací sady. Pokud ho vynecháte, n je úplná velikost trénovací sady. Tento parametr zadejte, pokud chcete při trénování modelu vzít v úvahu jenom určitou část historie. Pokud je nastavená hodnota auto, bude se postupné okno odhadovat jako poslední hodnota, kde hodnota PACF je vyšší než prahová hodnota významnosti. Podrobnosti najdete v části target_lags. |
frequency
Vyžadováno
|
Četnost prognóz. Při prognózování tento parametr představuje období, ve kterém je prognóza požadovaná, například denně, týdně, ročně atd. Frekvence prognózy je ve výchozím nastavení frekvence datové sady. Volitelně ho můžete nastavit na větší (ale ne menší) než četnost datové sady. Agregujeme data a vygenerujeme výsledky s frekvencí prognózy. U denních dat můžete například nastavit denní, týdenní nebo měsíční frekvenci, ale ne každou hodinu. Frekvence musí být alias posunu pandas. Další informace najdete v dokumentaci k knihovně pandas: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#dateoffset-objects |
feature_lags
Vyžadováno
|
Příznak pro generování prodlev pro číselné funkce s automatickým nebo žádným příznakem |
seasonality
Vyžadováno
|
Nastavte sezónnost časových řad jako celočíselný násobek frekvence řady. Pokud je sezónnost nastavená na "auto", bude odvozena. Je-li nastavena na Hodnotu Žádný, předpokládá se, že časová řada není sezónní, což odpovídá sezónnosti=1. |
use_stl
Vyžadováno
|
Nakonfigurujte rozklad STL cílového sloupce časové řady. use_stl můžou mít tři hodnoty: Žádné (výchozí) – bez rozkladu stl, "season" – pouze generovat komponentu sezóny a season_trend – generovat komponenty sezóny i trendu. |
short_series_handling_config
Vyžadováno
|
Parametr definující, jak má AutoML zpracovávat krátké časové řady. Možné hodnoty: "auto" (výchozí), "pad", "drop" a None.
Date (Datum) numeric_value řetězec Cíl 01. 01. 2020 23 green 55 Výstup za předpokladu, že minimální počet hodnot je čtyři: Date (Datum) numeric_value řetězec Cíl 2019-12-29 0 NA 55.1 2019-12-30 0 NA 55.6 2019-12-31 0 NA 54.5 01. 01. 2020 23 green 55 Poznámka: Máme dva parametry short_series_handling_configuration a starší short_series_handling. Když jsou oba parametry nastavené, synchronizujeme je, jak je znázorněno v následující tabulce (short_series_handling_configuration a short_series_handling pro stručnost jsou označeny jako handling_configuration a zpracování). Zpracování zpracování konfigurace výsledná manipulace výsledná konfigurace zpracování Ano auto Ano auto Ano Pad Ano auto Ano drop Ano auto Ano Žádné Ne Žádné Ne auto Ne Žádné Ne Pad Ne Žádné Ne drop Ne Žádné Ne Žádné Ne Žádné |
target_aggregate_function
Vyžadováno
|
Funkce, která se má použít k agregaci cílového sloupce časové řady tak, aby odpovídala frekvenci zadané uživatelem. Pokud je target_aggregation_function nastaven, ale není nastavený parametr freq, dojde k chybě. Možné cílové agregační funkce jsou: "sum", "max", "min" a "mean".
Frekvence target_aggregation_function Mechanismus oprav pravidelnosti dat Žádné (výchozí) Žádné (výchozí) Agregace se nepoužije. Pokud validfrekvence nemůže být neurčena, bude vyvolána chyba. Nějaká hodnota Žádné (výchozí) Agregace se nepoužije. Pokud je počet datových bodů vyhovujících dané frekvenční mřížce menší, pak se 90 % těchto bodů odebere, jinak dojde k chybě. Žádné (výchozí) Agregační funkce Došlo k chybě týkající se chybějícího parametrufrekvence. Nějaká hodnota Agregační funkce Agregovat na frekvenci pomocíprovidované agregační funkce. |
time_column_name
Vyžadováno
|
Název sloupce času. Tento parametr se vyžaduje při prognózování k určení sloupce datetime ve vstupních datech použitých pro sestavení časové řady a odvozování její frekvence. |
time_series_id_column_names
Vyžadováno
|
Názvy sloupců, které se používají k seskupení časových období. Dá se použít k vytvoření více řad. Pokud nejsou definovány názvy sloupců id časové řady nebo zadané sloupce identifikátorů neidentifikují všechny řady v datové sadě, identifikátory časových řad se pro vaši datovou sadu automaticky vytvoří. |
features_unknown_at_forecast_time
Vyžadováno
|
Sloupce funkcí, které jsou k dispozici pro trénování, ale nejsou v době prognózy nebo odvozování neznámé. Pokud je features_unknown_at_forecast_time nastavený na prázdný seznam, předpokládá se, že jsou v době odvozování známé všechny sloupce funkcí v datové sadě. Pokud tento parametr není nastavený, podpora budoucích funkcí se nepovolí. |
Výhradně parametry klíčových slov
Name | Description |
---|---|
country_or_region_for_holidays
Vyžadováno
|
|
cv_step_size
Vyžadováno
|
|
forecast_horizon
Vyžadováno
|
|
target_lags
Vyžadováno
|
|
target_rolling_window_size
Vyžadováno
|
|
frequency
Vyžadováno
|
|
feature_lags
Vyžadováno
|
|
seasonality
Vyžadováno
|
|
use_stl
Vyžadováno
|
|
short_series_handling_config
Vyžadováno
|
|
target_aggregate_function
Vyžadováno
|
|
time_column_name
Vyžadováno
|
|
time_series_id_column_names
Vyžadováno
|
|
features_unknown_at_forecast_time
Vyžadováno
|
|
Azure SDK for Python
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro