Pronóstico

Descripción

El paso Pronóstico lee una serie temporal de una tabla de entrada, ajusta un modelo de pronóstico y escribe los valores futuros previstos en una tabla de salida. Úselo cuando tenga valores históricos por fecha y quiera que el flujo de trabajo genere un pronóstico repetible.

Configuración

Parámetros de pronóstico

• Tabla de entrada (obligatorio): la tabla que contiene la serie temporal histórica.
• Tabla de salida (obligatorio): la tabla en la que se escriben las filas del pronóstico.
• Columna de fecha (obligatorio): la columna de destino asignada que contiene la fecha o la marca de tiempo de cada observación. El valor predeterminado es ds.
• Columna de valor (obligatorio): la columna de destino asignada que contiene el valor numérico que se pronosticará.
• Columnas de serie (opcional): columnas de destino asignadas que identifican series distintas dentro de la misma tabla, como cliente, producto, región o cuenta.
• Frecuencia: Auto, Hourly, Daily, Weekly, Monthly o Quarterly. Use una frecuencia explícita cuando las fechas de entrada sean dispersas o irregulares.
• Horizonte: número de períodos futuros que se pronosticarán. El valor predeterminado es 12.
• Modelo: Automatic de forma predeterminada. También puede seleccionar AutoETS, AutoARIMA, Seasonal Naive, Naive o AutoTheta.

Selección de datos de la tabla

Use la pestaña de selección de datos de la tabla para dar forma a la tabla de entrada antes de pronosticar. Las columnas de destino asignadas deben incluir la Columna de fecha, la Columna de valor y cualquier Columna de serie.

Use Inspeccionar origen para rellenar la asignación a partir de la tabla de entrada seleccionada. Puede rellenar ambos lados de la asignación, solo el lado de origen o solo el lado de destino antes de ajustar las columnas.

No se permite guardar hasta que la asignación tenga columnas de origen (Source columns are required: use Populate to read them from the input table.) ni mientras sus columnas de destino omitan la Columna de fecha, la Columna de valor o una Columna de serie.

Filtros de datos

Use la pestaña de filtros para limitar las filas, aplicar condiciones, agregar los datos de entrada o segmentar el resultado antes de que se ejecute el pronóstico.

Comportamiento

El paso crea o actualiza la tabla de salida configurada con las filas del pronóstico para el horizonte seleccionado. Cuando configura Columnas de serie, PlaidCloud pronostica cada serie por separado e incluye los valores de la serie en la salida.

Modelos ARIMA, ajuste y diagnósticos

La sección Configuración del modelo tiene estos campos:

• Modelo (forecast_model): además de los modelos anteriores (automatic, auto_ets, auto_arima, seasonal_naive, naive, auto_theta), ARIMA, ARIMA estacional (SARIMA) y ARIMA estacional con regresores (SARIMAX) (arima, sarima, sarimax) ajustan el orden que usted indique, mediante Orden ARIMA (p, d, q) (order) es [p, d, q], Orden estacional (P, D, Q, m) (seasonal_order) es [P, D, Q, s] (sarima, sarimax), y Columnas de regresores (exog_columns) nombra las columnas de regresores exógenos (sarimax).
• Modo (mode): forecast (predeterminado) escribe el pronóstico de cada serie. fit ajusta una serie con arima, sarima o sarimax y escribe el modelo como una tabla. apply escribe los pronósticos de la tabla de modelo indicada en Tabla del modelo (model_frame); para un modelo sarimax, la tabla de entrada contiene los regresores futuros.
• Ajustar el logaritmo de los valores (log_transform): ajusta sobre el logaritmo natural de los valores. Con apply, indica si los pronósticos se devuelven desde la escala logarítmica.
• Escribir diagnósticos en su lugar (diagnostics): escribe una tabla en lugar de un pronóstico: residuals o coefficients del modelo de model_frame, autocorrelation (ACF y PACF) o residual_stats de la columna de valor de entrada, o ljung_box, el estadístico Q y el valor p para cada retardo de los residuos del modelo o, si no hay modelo, de la columna de valor de entrada. Retardo máximo (max_lag, predeterminado 40) es el mayor retardo para autocorrelation y ljung_box, y Pronosticar de forma dinámica (realimentar las predicciones) (dynamic) hace que residuals use la predicción dinámica dentro de la muestra.
• Nodo de series temporales de KNIME (knime_config): ejecuta un nodo de preparación de series temporales de KNIME en lugar de un pronóstico: aggregate_granularity agrega los valores a un año, trimestre, mes, semana, día, hora, minuto o segundo, y align_timestamps los alinea a un período.

Un asistente de IA o la API REST también puede establecer interval_levels, los niveles de los intervalos de predicción; 95 es el único nivel.

Recursos

El procesamiento del pronóstico se ejecuta en un trabajo independiente. Habilite la Administración avanzada de recursos solo cuando el pronóstico necesite más CPU o memoria que la solicitud predeterminada. Aumentar las solicitudes de recursos puede retrasar el inicio de los pronósticos mientras se programa la capacidad. Establezca con ella cpu (de 1 a 7, predeterminado 1) y memory (de 8 a 56 GiB, predeterminado 8).