在时间序列预测中处理真实世界的数据

来自真实世界的时间序列数据通常不完善，存在缺失、重复或不对齐的时间步。预测和异常检测 ML 函数包括以下预处理功能，可帮助您使用真实世界的数据来训练可做出有用预测的模型：

  • 您可以指定事件频率来替换模型自动推断的频率。

  • 该模型可以推断缺失时间步的数据并在一个时间步内聚合多个值。您可以指定如何为每个特征或每种特征类型进行聚合，也可以让 ML 函数自动为您完成聚合。

即使您的训练数据存在常见的一致性问题，这些功能也能让您训练出有用的模型。通常，数据一致性越好，预测模型就越准确，但数量相对较少的此类调整不会明显影响模型的准确性。

指定事件频率

模型训练使用启发式方法推断训练数据中时间步的频率，但极少数情况下会选择错误的频率。为了避免这种风险，或者纠正错误的推断，您可以在启动训练时使用 CONFIG_OBJECT 参数 frequency 选择性指定所需的频率。此参数以类似于 '1 day' 或 '2 weeks' 的形式指定时间段。

  • 时间间隔指定必须用单引号引起来，因为它是一个字符串。

  • 支持的时间间隔包括秒、分钟、小时、天、周、月、季度和年。

  • 使用完整的间隔名称。可以使用复数。（“Second”或“seconds”，而不是“sec”）。

以下示例显示如何使用一天的频率训练预测模型。

CREATE SNOWFLAKE.ML.FORECAST model1(
  INPUT_DATA => TABLE(v1),
  TIMESTAMP_COLNAME => 'date',
  TARGET_COLNAME => 'sales',
  CONFIG_OBJECT => {'frequency': '1 day'}
);
Copy

如果您未指定事件频率，训练过程将推断最接近的匹配事件频率。

填充缺失时间步的值

没有目标值的时间戳使用以下方法填充：

不会填充缺失的特征值，而是替换为 NULL 值。模型训练会忽略这些值。

在一个时间步中处理多个值

当一个时间步中存在多个事件时，预处理可以采用各种方式汇合它们的值。例如，如果事件的频率是每小时一次，则可以对每小时节奏之外发生的值取平均值，以得出最接近的规范每小时时间戳的值。

下表总结了可用的聚合行为。

值的种类

可用行为

默认行为

数字

  • MEAN：值的平均值

  • MEDIAN：中间值

  • MODE：最常见的值

  • MIN：最低值

  • MAX：最高值

  • SUM：值总计

  • FIRST：最早值

  • LAST：最新值

MEAN

分类（字符串或布尔）

  • MODE：最常见的值

  • FIRST：最早值

  • LAST：最新值

MODE

小技巧

将 SUM 方法用于计数数据，例如已售出的商品数量。MEAN 适用于大多数其他数值。

所有行为都忽略 NULL 值并应用于要插值或聚合的时间段。例如，按每小时节奏对值执行 SUM 是以标准时间戳为中心的一小时内的值之和。

您可以通过两种方式替换列的默认行为：

  • 按值类型（目标、数字或分类）

  • 按确切的列名称

如果您以两种方式替换行为，则列名替换优先。

按值的类型替换

在函数的 CONFIG_OBJECT 参数在设置以下选项以替换特定类型值：分类、数字和目标。这些行为如 先前定义。

选项

可能的值

aggregation_categorical

MODE、 FIRST、 LAST

aggregation_numeric

MEAN、MEDIAN、MODE、MIN、MAX、SUM、FIRST、LAST

aggregation_target

MEAN、MEDIAN、MODE、MIN、MAX、SUM、FIRST、LAST

备注

如果未指定 aggregation_target，目标聚合将使用通过:code:aggregate_numeric 指定的行为（如果有）。否则，将会使用默认的 MEAN。

以下示例显示如何设置分类和数字特征的聚合行为。

CREATE SNOWFLAKE.ML.FORECAST model1(
  INPUT_DATA => TABLE(v1),
  TIMESTAMP_COLNAME => 'date',
  TARGET_COLNAME => 'sales',
  CONFIG_OBJECT => {
    'frequency': '1 day',
    'aggregation_categorical': 'MODE',
    'aggregation_numeric': 'MEDIAN'}
);
Copy

小技巧

即使使用默认值，也请考虑指定所有这些值。这样一来，您不需要知道默认行为是什么就可以理解该语句要做什么，并且如果您以后想要更改该行为，则不需要查找参数名称。

按列名替换

CONFIG_OBJECT 中的 aggregation_column 选项是将行为映射到列名的对象。这些行为将替换使用上面描述的参数指定的任何行为。

备注

目标值的聚合行为不能通过列名指定。改用 aggregation_target 选项。

建议的更改 例如，以下 SQL 语句使用 aggregation_column 选项指定两个不同列的聚合行为。

CREATE SNOWFLAKE.ML.FORECAST model1(
  INPUT_DATA => TABLE(v1),
  TIMESTAMP_COLNAME => 'date',
  TARGET_COLNAME => 'sales',
  CONFIG_OBJECT => {
    'frequency': '1 day',
    'aggregation_target': 'MEDIAN',
    'aggregation_column': {
        'temperature': 'MEDIAN',
        'employee_id': 'FIRST'
    }
  }
);
Copy
语言: 中文