使用时间序列实验
通过时间序列实验，您可以训练模型来预测与特定未来时间段相对应的指标，例如下周或下个月的销售额。在 Qlik Predict 中，时间序列模型生成支持分组目标和未来特性的多变量预测。时间序列预测适用于涉及数值型目标的实验。
配置时间序列实验
使用场景
每当您需要对数值指标进行日期敏感的预测时，时间序列预测都非常有用。在许多场景中，时间序列预测都很有用，包括：
-
销售和财务预测
-
预测库存和存货
-
预测能源使用和需求
-
预测费用
什么是多变量时间序列预测？
多变量时间序列预测是对涉及多个变量的场景的未来数据进行预测。时间序列实验允许您探索多个目标（通过分组引入）和多个特性之间的特定时间模式。与使用分类和回归模型进行的预测不同，时间序列预测特定于特定的日期或时间。例如，您可能希望预测未来两周的销售额，相关日期为 1 月 1 日至 14 日。
第 1 部分：准备训练数据集
首先准备训练数据集。训练数据集必须包括以一致的时间间隔测量的历史数据。有关完整详细信息，请参阅 准备训练数据集。
第 2 部分：创建时间序列实验
您可以通过创建 ML 实验，然后选择 时间序列 作为 实验类型 来创建时间序列实验。
要将实验配置为时间序列实验，目标需要是数值型的，并且具有超过 11 个唯一值（尽管要生成高质量的模型，需要多得多的值）。数据集还需要有一个包含在一致时间间隔内记录的日期或日期时间信息的列。
执行以下操作：
-
从 分析 活动中心创建 ML 实验。请参阅 创建实验。
-
选择训练数据集后，单击
查看配置 以展开实验配置面板。 -
展开 实验设置。
-
使用下拉菜单选择目标。
-
在 实验类型 下，选择 时间序列。
第 3 部分：配置时间序列实验
接下来，您需要配置特定于要使用时间序列模型进行的预测的参数。这些参数特定于时间序列实验。有关每个参数含义的说明，请参阅 使用多变量时间序列预测。
执行以下操作：
-
在 日期索引 下，选择要使用的索引列。
-
在 基于您的数据 部分中，设置 期望的预测窗口大小 和 期望的预测间隔大小（以时间步长为单位）。
-
（可选）使用 分组 和 未来特性 的下拉菜单，将目标分组和未来特性添加到模型训练中。
第 4 部分：配置其他实验参数
与其他实验类型一样，您可能需要在实验配置中调整其他属性（这些属性并非时间序列实验所独有）。这些包括：
-
选择特性
-
选择算法
-
更改特性类型
-
配置偏差检测
有关完整详细信息，请参阅 配置实验。
第 5 部分：运行训练
执行以下操作：
-
单击 运行实验。
后续步骤
模型分析
训练完成后，您可以分析模型并评估其质量。根据需要，创建实验的进一步迭代以优化结果。
有关详细信息，请参阅 检查模型。
模型部署和审批
分析模型后，将最佳模型部署到 ML 部署，然后将其激活以进行预测。
准备应用数据集并创建预测
部署模型后，了解用于生成预测的应用数据集的要求。请参阅 准备应用数据集。
准备好应用数据集后，使用时间序列模型创建预测。您可以创建：
-
批量预测
-
实时预测
限制和注意事项
-
您最多可以为时间序列实验选择两个分组。您选择作为分组的列需要是分类列。此列可以包含数值数据，但在训练期间，该列将被视为分类列。
-
最大预测窗口最多可达 180 个时间步长。 有关详细信息，请参阅 最大预测窗口。
-
智能模型优化不适合时间序列实验。
-
时间序列实验不支持手动优化。
-
时间序列实验不支持超参数优化。
-
时间序列实验不支持时间感知训练。
-
时间序列实验不可使用自动自由文本功能工程。
-
当您为时间序列实验选择日期索引列时，日期特性类型将用于此列。但是，时间序列模型不支持日期特性工程。自动工程化的日期特性无法从该列派生。
-
时间序列实验使用深度学习算法训练模型。因此，根据数据大小 and 预测窗口，时间序列模型通常比回归和分类模型需要更长的训练时间。
-
时间序列实验支持大小高达 1 GiB 的训练数据集。有关详细信息，请参阅 训练数据集和分析限制。
有关与使用时间序列模型创建预测相关的限制，请参阅 限制。
教程
有关演示从模型训练到预测的完整时间序列预测教程，请参阅 教程 - 用多元时间序列预测来预测销售额。