<model_name>!SHOW_EVALUATION_METRICS

返回样本外评估指标。

语法

您可以调用此方法来检索模型训练时生成的交叉验证指标，也可以调用训练时不可用的其他数据（样本外数据），并根据模型对该数据的预测程度来接收指标。

返回训练时生成的时间序列交叉验证指标：

这些指标只有在模型构建期间 CONFIG_OBJECT 中的 evaluate=TRUE 时（这是默认值）才能使用。

<model_name>!SHOW_EVALUATION_METRICS();
Copy

根据其他样本外数据计算交叉验证指标：

<model_name>!SHOW_EVALUATION_METRICS(
  INPUT_DATA => <input_data>,
  [ SERIES_COLNAME => '<series_colname>', ]
  TIMESTAMP_COLNAME => '<timestamp_colname>',
  TARGET_COLNAME => '<target_colname>',
  LABEL_COLNAME => '<label_column_name>',
  [ CONFIG_OBJECT => <config_object> ]
);
Copy

实参

以下实参仅适用于其他样本外数据用例。

必填：

并非每个用例都需要以下所有实参。

INPUT_DATA => input_data

对表、视图或查询的 引用，其中包含目标以及训练期间使用的任何外生变量的未来时间戳和值。此实参基于名称与原始外生训练数据之间的列相匹配。

TIMESTAMP_COLNAME => 'timestamp_colname'

input_data 中包含时间戳的列的名称。

TARGET_COLNAME => 'target_colname'

input_data 中包含目标（依赖值）的列的名称。

LABEL_COLNAME => 'label_column_name'

包含数据标签的列的名称。标签是布尔值 (true/false)，指示给定行是否属于已知异常。如果没有带标签的数据，为此实参传递一个空字符串 ('')。

可选：

SERIES_COLNAME => 'series_colname'

input_data 中指定序列的列名称。

CONFIG_OBJECT => config_object

包含用于配置评估作业的键值对的 OBJECT。

键

类型

默认值

描述

prediction_interval

FLOAT

0.99

大于或等于 0.0 且小于 1.0 的值。默认值为 0.95，这代表未来有 95% 的点预计会落在预测结果得出的区间 [lower_bound, upper_bound] 内。

on_error

STRING

'ABORT'

指定错误处理方法的字符串（常量）。这在预测多个序列时最有用。支持的值包括：

  • 'abort'：如果任何时间序列出现错误，则终止模型预测操作。

  • 'skip'：跳过任何预测出现错误的时间序列。这样就可以成功预测其他时间序列。模型输出中不包含失败的序列。

输出

列

类型

描述

SERIES

VARIANT

序列值（如果模型使用单个时间序列训练时，为 NULL）。

备注

您的单序列结果可能没有 SERIES 列。查看最近的变更。

ERROR_METRIC

VARCHAR

使用的错误指标的名称。该方法会返回以下指标：

点指标：

  • MAE：平均绝对误差 (link removed)。

  • MAPE：平均绝对百分比误差 (link removed)。

  • MDA：平均方向精度 (link removed)。

  • MSE：均方误差 (link removed)。

  • SMAPE：对称平均绝对百分比误差 (link removed)。

间隔指标：这些指标使用 评估配置 中的 prediction_interval 实参。

  • COVERAGE_INTERVAL：落在预测区间内的实际值的比例。

  • WINKLER_ALPHA：Winkler Score (https://otexts.com/fpp3/distaccuracy.html#winkler-score)。

LOGS

VARIANT

包含错误或警告消息。
语言: 中文