Docs
...
ts プロパティー
資料の 英語版 に戻る

ts プロパティー

最終更新: 2025年2月11日
ts プロパティー

時系列ノードのアイコン時系列ノードは、時系列データから指数平滑法、1 変量の自己回帰型統合移動平均法 (ARIMA)、および多変量 ARIMA (または伝達関数) モデルを推測し、将来のパフォーマンスの予測を作成します。

表 1. ts プロパティー
tsプロパティー 値 プロパティーの説明
targets フィールド 時系列ノードは、オプションで 1 つ以上の入力フィールドを予測値として使用しながら、1 つ以上の対象フィールドを予測します。 度数フィールドおよび重みフィールドは使用しません。 詳しくは、 モデル作成ノードの共通プロパティー を参照してください。
candidate_inputs [field1 ... fieldN] モデルで使用される入力または予測変数フィールド。
use_period フラグ  
date_time_field フィールド  
input_interval
None
Unknown
Year
Quarter
Month
Week
Day
Hour
Hour_nonperiod
Minute
Minute_nonperiod
Second
Second_nonperiod
  
period_field フィールド  
period_start_value 整数  
num_days_per_week 整数  
start_day_of_week
Sunday
Monday
Tuesday
Wednesday
Thursday
Friday
Saturday
  
num_hours_per_day 整数  
start_hour_of_day 整数  
timestamp_increments 整数  
cyclic_increments 整数  
cyclic_periods list  
output_interval
None
Year
Quarter
Month
Week
Day
Hour
Minute
Second
  
is_same_interval フラグ  
cross_hour フラグ  
aggregate_and_distribute list  
aggregate_default
Mean
Sum
Mode
Min
Max
  
distribute_default
Mean
Sum
  
group_default
Mean
Sum
Mode
Min
Max
  
missing_imput
Linear_interp
Series_mean
K_mean
K_median
Linear_trend
  
k_span_points 整数  
use_estimation_period フラグ  
estimation_period
Observations
Times
  
date_estimation list date_time_fieldを使用する場合にのみ使用できます。
period_estimation list use_periodを使用する場合にのみ使用できます。
observations_type
Latest
Earliest
  
observations_num 整数  
observations_exclude 整数  
method
ExpertModeler
Exsmooth
Arima
  
expert_modeler_method
ExpertModeler
Exsmooth
Arima
  
consider_seasonal フラグ  
detect_outliers フラグ  
expert_outlier_additive フラグ  
expert_outlier_level_shift フラグ  
expert_outlier_innovational フラグ  
expert_outlier_level_shift フラグ  
expert_outlier_transient フラグ  
expert_outlier_seasonal_additive フラグ  
expert_outlier_local_trend フラグ  
expert_outlier_additive_patch フラグ  
consider_newesmodels フラグ  
exsmooth_model_type
Simple
HoltsLinearTrend
BrownsLinearTrend
DampedTrend
SimpleSeasonal
WintersAdditive
WintersMultiplicative
DampedTrendAdditive
DampedTrendMultiplicative
MultiplicativeTrendAdditive
MultiplicativeSeasonal
MultiplicativeTrendMultiplicative
MultiplicativeTrend
 指数平滑法を指定します。 デフォルトはSimpleです。
futureValue_type_method
Compute
specify

Computeが使用されている場合、システムは、各予測値の予測期間の将来の値を計算します。

予測変数ごとに、関数のリスト (空白、最近のポイントの平均、最新の値) から選択することも、specifyを使用して手動で値を入力することもできます。 個々のフィールドおよびプロパティーを指定するには、extend_metric_valuesプロパティーを使用します。 次に例を示します。
set :ts.futureValue_type_method="specify"
set :ts.extend_metric_values=[{'Market_1','USER_SPECIFY', [1,2,3]},
{'Market_2','MOST_RECENT_VALUE', ''},{'Market_3','RECENT_POINTS_MEAN', ''}]
exsmooth_transformation_type
None
SquareRoot
NaturalLog
  
arima.p 整数  
arima.d 整数  
arima.q 整数  
arima.sp 整数  
arima.sd 整数  
arima.sq 整数  
arima_transformation_type
None
SquareRoot
NaturalLog
  
arima_include_constant フラグ  
tf_arima.p. fieldname 整数 伝達関数用。
tf_arima.d. fieldname 整数 伝達関数用。
tf_arima.q. fieldname 整数 伝達関数用。
tf_arima.sp. fieldname 整数 伝達関数用。
tf_arima.sd. fieldname 整数 伝達関数用。
tf_arima.sq. fieldname 整数 伝達関数用。
tf_arima.delay. fieldname 整数 伝達関数用。
tf_arima.transformation_type. fieldname
None
SquareRoot
NaturalLog
 伝達関数用。
arima_detect_outliers フラグ  
arima_outlier_additive フラグ  
arima_outlier_level_shift フラグ  
arima_outlier_innovational フラグ  
arima_outlier_transient フラグ  
arima_outlier_seasonal_additive フラグ  
arima_outlier_local_trend フラグ  
arima_outlier_additive_patch フラグ  
max_lags 整数  
cal_PI フラグ  
conf_limit_pct real  
events フィールド  
continue フラグ  
scoring_model_only フラグ 多く (1 万単位) の時系列のモデルに使用します。
forecastperiods 整数  
extend_records_into_future フラグ  
extend_metric_values フィールド 予測のための将来の値を提供できるようにします。
conf_limits フラグ  
noise_res フラグ  
max_models_output 整数 出力に表示するモデルの数を制御します。 デフォルトは10です。 構築されたモデルの総数がこの値を超える場合、モデルは出力に表示されません。 それでも、モデルはスコアリングに引き続き使用できます。
missing_value_threshold 二重 各時系列に対応する時刻変数および入力データのデータ品質指標を計算します。 データ品質スコアがこのしきい値より低い場合、対応する時系列は破棄されます。
compute_future_values_input ブール値 False: 入力の将来の値を計算します。
True: 値をデータに追加するフィールドを選択します。