ts 특성 | IBM Cloud Pak for Data as a Service

영어 버전 문서로 돌아가기

ts 특성

마지막 업데이트 날짜: 2024년 10월 07일

ts 특성

시계열 노드 아이콘 시계열 노드는 시계열 데이터에 대한 지수평활, 일변량 자기회귀 통합 이동 평균(ARIMA), 다변량 ARIMA(또는 전이 함수) 모델을 추정하고 미래 성능을 위한 예측값을 생성합니다.

표 1. ts 특성
`ts` 특성	값	특성 설명
`targets`	필드	시계열 노드는 선택적으로 하나 이상의 입력 필드를 예측자로 사용하여 하나 이상의 목표를 예측합니다. 빈도 및 가중 필드는 사용되지 않습니다. 자세한 정보는 공통 모델링 노드 특성 을 참조하십시오.
`candidate_inputs`	[field1 ... fieldN]	모델에서 사용하는 입력 또는 예측자 필드입니다.
`use_period`	플래그
`date_time_field`	필드
`input_interval`	`None` `Unknown` `Year` `Quarter` `Month` `Week` `Day` `Hour` `Hour_nonperiod` `Minute` `Minute_nonperiod` `Second` `Second_nonperiod`
`period_field`	필드
`period_start_value`	정수
`num_days_per_week`	정수
`start_day_of_week`	`Sunday` `Monday` `Tuesday` `Wednesday` `Thursday` `Friday` `Saturday`
`num_hours_per_day`	정수
`start_hour_of_day`	정수
`timestamp_increments`	정수
`cyclic_increments`	정수
`cyclic_periods`	목록
`output_interval`	`None` `Year` `Quarter` `Month` `Week` `Day` `Hour` `Minute` `Second`
`is_same_interval`	플래그
`cross_hour`	플래그
`aggregate_and_distribute`	목록
`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`	정수
`use_estimation_period`	플래그
`estimation_period`	`Observations` `Times`
`date_estimation`	목록	`date_time_field`을(를) 사용하는 경우에만 사용 가능
`period_estimation`	목록	`use_period`을(를) 사용하는 경우에만 사용 가능
`observations_type`	`Latest` `Earliest`
`observations_num`	정수
`observations_exclude`	정수
`method`	`ExpertModeler` `Exsmooth` `Arima`
`expert_modeler_method`	`ExpertModeler` `Exsmooth` `Arima`
`consider_seasonal`	플래그
`detect_outliers`	플래그
`expert_outlier_additive`	플래그
`expert_outlier_level_shift`	플래그
`expert_outlier_innovational`	플래그
`expert_outlier_level_shift`	플래그
`expert_outlier_transient`	플래그
`expert_outlier_seasonal_additive`	플래그
`expert_outlier_local_trend`	플래그
`expert_outlier_additive_patch`	플래그
`consider_newesmodels`	플래그
`exsmooth_model_type`	`Simple` `HoltsLinearTrend` `BrownsLinearTrend` `DampedTrend` `SimpleSeasonal` `WintersAdditive` `WintersMultiplicative` `DampedTrendAdditive` `DampedTrendMultiplicative` `MultiplicativeTrendAdditive` `MultiplicativeSeasonal` `MultiplicativeTrendMultiplicative` `MultiplicativeTrend`	지수평활 방법을 지정합니다. 기본값은 `Simple`입니다.
`futureValue_type_method`	`Compute` `specify`	`Compute`을(를) 사용하는 경우, 시스템은 각 예측변수에 대한 예측 기간의 미래 값을 계산합니다. 각 예측변수에 대해 함수 목록에서 선택할 수 있습니다(공백, 최근 지점의 평균, 가장 최근 값). 또는 `specify`을(를) 사용하여 수동으로 값을 입력할 수 있습니다. 개별 필드 및 특성을 지정하려면 `extend_metric_values` 특성을 사용하십시오. 예를 들어, `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`	정수
`arima.d`	정수
`arima.q`	정수
`arima.sp`	정수
`arima.sd`	정수
`arima.sq`	정수
`arima_transformation_type`	`None` `SquareRoot` `NaturalLog`
`arima_include_constant`	플래그
`tf_arima.p.` 필드 이름	정수	전이 함수용입니다.
`tf_arima.d.` 필드 이름	정수	전이 함수용입니다.
`tf_arima.q.` 필드 이름	정수	전이 함수용입니다.
`tf_arima.sp.` 필드 이름	정수	전이 함수용입니다.
`tf_arima.sd.` 필드 이름	정수	전이 함수용입니다.
`tf_arima.sq.` 필드 이름	정수	전이 함수용입니다.
`tf_arima.delay.` 필드 이름	정수	전이 함수용입니다.
`tf_arima.transformation_type.` 필드 이름	`None` `SquareRoot` `NaturalLog`	전이 함수용입니다.
`arima_detect_outliers`	플래그
`arima_outlier_additive`	플래그
`arima_outlier_level_shift`	플래그
`arima_outlier_innovational`	플래그
`arima_outlier_transient`	플래그
`arima_outlier_seasonal_additive`	플래그
`arima_outlier_local_trend`	플래그
`arima_outlier_additive_patch`	플래그
`max_lags`	정수
`cal_PI`	플래그
`conf_limit_pct`	실수
`events`	필드
`continue`	플래그
`scoring_model_only`	플래그	매우 많은 시계열 수(수만 개)가 있는 모델에 사용합니다.
`forecastperiods`	정수
`extend_records_into_future`	플래그
`extend_metric_values`	필드	예측자의 미래 값을 제공할 수 있습니다.
`conf_limits`	플래그
`noise_res`	플래그
`max_models_output`	정수	출력에 표시될 모델 수를 제어합니다. 기본값은 `10`입니다. 작성된 총 모델 수가 이 값을 초과할 경우 모델이 출력에 표시되지 않습니다. 여전히 모델을 스코어링에 사용할 수 있습니다.
`missing_value_threshold`	이중 실선	각 시계열에 대한 시간 변수 및 입력 데이터에 대한 데이터 품질 측도를 계산합니다. 데이터 품질 점수가 이 임계값보다 낮으면 해당 시계열이 버려집니다.
`compute_future_values_input`	부울	`False`: 입력의 미래 값을 계산합니다. `True`: 데이터에 추가할 값이 있는 필드를 선택하십시오.