你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

ForecastingSettings 类

定义

命名空间:

Azure.ResourceManager.MachineLearning.Models

程序集:

Azure.ResourceManager.MachineLearning.dll

包:

Azure.ResourceManager.MachineLearning v1.1.1

预测特定参数。

public class ForecastingSettings

type ForecastingSettings = class

Public Class ForecastingSettings

继承

Object

ForecastingSettings

构造函数

ForecastingSettings()

初始化 ForecastingSettings 的新实例。

属性

CountryOrRegionForHolidays	用于预测任务的假日的国家或地区。 这些值应该是 ISO 3166 双字母国家/地区代码，例如“US”或“GB”。
CvStepSize	一个 CV 折叠和下一个折叠的起始时间之间的周期数。 例如，如果 CVStepSize 每日数据 = 3，则每折的起始时间相隔三天。
FeatureLags	用于为具有“auto”或 null 的数字特征生成滞后的标志。
ForecastHorizon	所需的最大预测范围，以时序频率为单位。 请注意 ForecastHorizon ， 是基类。 根据方案，可能需要在此处分配基类的派生类，或者需要将此属性强制转换为可能的派生类之一。 可用的派生类包括 AutoForecastHorizon 和 CustomForecastHorizon。
Frequency	预测时，此参数表示预测所需的时间段，例如每日、每周、每年等。默认情况下，预测频率为数据集频率。
Seasonality	设置时序季节性为序列频率的整数倍数。 如果将季节性设置为“自动”，将推断出该季节性。 请注意 ForecastingSeasonality ， 是基类。 根据方案，可能需要在此处分配基类的派生类，或者需要将此属性强制转换为可能的派生类之一。 可用的派生类包括 AutoSeasonality 和 CustomSeasonality。
ShortSeriesHandlingConfig	定义 AutoML 应如何处理短时序的参数。
TargetAggregateFunction	用于聚合时序目标列以符合用户指定频率的函数。 如果设置了 TargetAggregateFunction，即不设置“None”，但未设置 freq 参数，则会引发错误。 可能的目标聚合函数包括：sum、max、min 和 mean。
TargetLags	滞后于目标列的过去周期数。 请注意 TargetLags ， 是基类。 根据方案，可能需要在此处分配基类的派生类，或者需要将此属性强制转换为可能的派生类之一。 可用的派生类包括 AutoTargetLags 和 CustomTargetLags。
TargetRollingWindowSize	用于创建目标列的滚动窗口平均值的过去周期数。 请注意 TargetRollingWindowSize ， 是基类。 根据方案，可能需要在此处分配基类的派生类，或者需要将此属性强制转换为可能的派生类之一。 可用的派生类包括 AutoTargetRollingWindowSize 和 CustomTargetRollingWindowSize。
TimeColumnName	时间列的名称。 预测时需要使用此参数来指定输入数据中用于生成时序并推理其频率的日期/时间列。
TimeSeriesIdColumnNames	用于对时序进行分组的列的名称。 它可用于创建多个时序。 如果未定义粒度，则假定数据集为一个时序。 此参数与任务类型 forecasting 结合使用。
UseStl	配置时序目标列的 STL 分解。