使用时间序列部署进行预测

部署并批准时间序列模型后，您可以创建特定于时间的预测。在本教程中，我们将在 ML 部署中创建一个预测配置，并使用它来运行批量预测。

到目前为止，我们已经使用每日销售数据创建了一个机器学习模型。该过程的目标是通过机器学习识别模式，并将其应用于新数据。

理解时间序列模型的预测

区分时间序列模型的预测工作方式非常重要，因为它与其他模型类型的预测不同。您完成准备您的应用程序数据集的步骤与其他模型类型的步骤不同。

对于时间序列模型，新预测是作为新行添加的，而不是作为单独的列添加。

创建应用程序数据集

本部分概述了如何为这个时间序列问题创建您的应用程序数据集。编译数据集行的实际过程未显示，但工作流已显示。

列结构

您的应用数据集需要包含与您部署的时间序列模型相同的架构。打开 ML 部署时可以找到该架构。

无论如何，应用数据集应包含与模型架构相同的列 — 换句话说，以下各项各占一列：

• 数据索引

• 目标

• 组

• 特征 (协变量)

行结构

您的数据集需要包含记录 (行)，如下所示：

• 训练数据集中含有的所有列和列标题。

• 与训练数据集一样的时间步长。

• 截至预测截止时间之前，每个目标与组的历史数据记录数量，应与模型应用窗口中的记录数量相同或更多。这些记录必须完整，包含历史观测到的日期或时间戳、目标和协变量值。应用窗口由训练期间配置的预测窗口和间隔决定 — 您需要预测的未来时间越长，在应用数据集中运行预测所需要的历史数据就越多。

• 预测范围中全部未来时间步的记录。对于这些未来记录，只包含日期索引列的值以及任何未来特性。将其他列的值留空。

其他修改

您可能需要对数据集进行其他修改，以使其与模型架构匹配。特别是，分组功能在训练期间被选为组时，会自动转换为分类功能类型，以便它们可以作为组使用。在您的应用数据中，如果您有包含数值数据并将其用作组的功能，则需要转换它们的数据类型，以便将其识别为分类数据。这方面的一个示例显示在准备数据集。

准备数据集

本教程提供了一个已配置了所需的列和记录的应用数据集。但是，所提供的应用数据集包含一个数值列，store_nbr，该列在模型中被配置为一个组。所以，您需要创建一个脚本来将此列转换为字符串数据。

执行以下操作：

1. 转到 分析 活动中心的“创建”页面，然后选择脚本。

2. 为您的脚本输入一个名称，例如，转换后的应用数据。

3. 为您的脚本选择一个空间。它需要与您存储原始应用数据集的空间相同。

4. 单击创建。

5. 在 脚本 中，切换到 编辑器。

6. 在 部分 下，单击 以新增部分。

7. 将下面的加载脚本粘贴到编辑器中。

8. 单击 导出数据。

ApplyDataset_Transformed:

LOAD
    id,
    "date",
    text(store_nbr) as store_nbr,
    family,
    sales,
    onpromotion
FROM [lib://:DataFiles/ML - Multivariate forecasting - apply.csv]
(txt, codepage is 28591, embedded labels, delimiter is ',', msq);

Store [ApplyDataset_Transformed] into [lib://:DataFiles/Final transformed apply dataset.qvd](QVD);

脚本运行后，一个新的应用数据集 Final transformed apply dataset.qvd应与原始应用数据集位于同一空间中。

创建预测

现在您已拥有兼容的应用数据集，请使用它从您的机器学习部署中创建预测。

执行以下操作：

1. 在目录中，打开您在部署时间序列模型中创建的销售预测部署部署。

2. 在右下角，单击创建预测。

3. 在右侧的预测配置窗格中的应用数据下，单击选择应用数据集。

4. 选择应用数据集文件： Final transformed apply dataset.qvd。

5. 比较训练的模式并应用数据集。不应存在任何架构不匹配错误。

6. 在预测配置窗格中，单击名称预测数据集。键入以下名称：ML - Sales predictions。使用默认的 Parquet 格式。

7. 选择一个空间，然后单击确认。

单击保存和关闭边的 图标。选择现在保存并预测。

可以在数据集预测中监控该过程。您可以通过单击出现的弹出窗口中的打开来查看目录中的输出。

当预测运行完成后，创建一个应用程序以查看您的预测。转到下一个主题。