预测任务
预测任务
预测任务使用机器学习算法基于历史时间序列数据来预测未来的数值数据。常见的应用案例是预测未来两周内每个商品的销售额。
数据准备
示例使用了电力变压器油温数据集 ETTh(etth.csv)。该数据集记录了来自中国同一个省的两个不同县的变压器数据，时间间隔为一小时，该数据集经过预处理包含两列，分别为时间列与预测目标列。
创建预测任务
- 选择预测任务
- 选择集群以及训练数据
- 选择集群以及数据库中的数据表
AutoML任务中只能选择ML类型的集群。
- 选择训练目标
该示例中选择target_col_1作为训练目标，选择time_col作为时间列，两个都是必选项
预测任务禁止排除列和指定填充方式
- 时间序列标识符
用于区分多条时间序列
- 预测区间和频率
设置模型预测未来时间的长度以及数据集的频率
- 输出数据库
预测任务支持将预测结果保存到指定数据库
- 设置训练指标、训练模型以及超时时间
实验超过设置的超时时间后会自动结束
- 训练
点击新增并训练开始训练
训练过程会生成可执行的 worksheet
训练记录
- 训练完成后会在实验中生成若干条记录
- 在数据挖掘笔记本中查看训练数据分析，包含数据统计信息等
- 记录所有实验中效果最好的模型
- 实验会记录训练过程中的警告
- 模型预测结果将会保存到指定数据库中，包括未来预测值，未来预测值的上下界
