<model_name>!FORECAST¶

语法¶

所需实参因作为模型训练目的的用例而异。

对于没有外生变量的单序列模型：

<name>!FORECAST(
  FORECASTING_PERIODS => <forecasting_periods>,
  [ CONFIG_OBJECT => <config_object> ]
);

对于具有外生变量的单序列模型：

<name>!FORECAST(
  INPUT_DATA => <input_data>,
  TIMESTAMP_COLNAME => '<timestamp_colname>',
  [ CONFIG_OBJECT => <config_object> ]
);

对于没有外生变量的多序列模型：

<name>!FORECAST(
  SERIES_VALUE => <series>,
  FORECASTING_PERIODS => <forecasting_periods>,
  [ CONFIG_OBJECT => <config_object> ]
);

对于具有外生变量的多序列模型：

<name>!FORECAST(
  SERIES_VALUE => <series>,
  SERIES_COLNAME => <series_colname>,
  INPUT_DATA => <input_data>,
  TIMESTAMP_COLNAME => '<timestamp_colname>',
  [ CONFIG_OBJECT => <config_object> ]
);

实参¶

必填：

并非每个用例都需要以下所有实参。

FORECASTING_PERIODS => forecasting_periods

对于具有外生变量的预测是必需的。

预测之前的步骤数。步骤间的间隔由模型在训练期间推断。

INPUT_DATA => input_data

对于具有外生变量的预测是必需的。

对于表、视图或查询的 引用，该表、视图或查询包含训练模型时作为 input_data 传递的外生变量（用户提供的附加特征）的未来时间戳和值。通过使用引用，即可允许以有限权限运行的预测过程使用您的权限访问数据。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'

对于具有外生变量的预测是必需的。

input_data 中包含时间戳的列的名称。

SERIES_COLNAME => 'series_colname'

对于具有外生变量的多序列预测是必需的。

input_data 中指定序列的列名称。

SERIES_VALUE => series

对于多序列预测是必需的。

需要预测的时间序列。可以是单个值（例如，'Series A'::variant），也可以是 VARIANT，但必须指定已用于训练模型的序列。如果未指定，则预测所有用于训练的序列。

可选：

CONFIG_OBJECT => config_object

OBJECT 包含用于配置预测作业的键值对。

键	类型	默认值	描述
prediction_interval	FLOAT	0.95	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¶

示例¶

请参阅 示例。