0 / 0

propriétés de streamingtimeseries

Dernière mise à jour : 12 févr. 2025
propriétés de streamingtimeseries

Icône du noeud Streaming TSLe noeud Streaming Time Series génère et évalue les modélisations des séries chronologiques en une seule étape.

Exemple

stream = modeler.script.stream()
typenode = stream.findByID("id42KW3MSA94B")
node = stream.createAt("ts_streaming", "Streaming Time Series", 200, 200)
stream.link(typenode, node)
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("arima", [1,2,3,4,5,6])
node.setPropertyValue("candidate_inputs", ["Na", "K"])
node.setPropertyValue("targets", ["Age"])
node.setKeyedPropertyValue("tf_arima", "Na", [1,2,3,4,5,6,10,"None"])
Tableau 1. propriétés de streamingtimeseries
streamingtimeseriespropriétés Valeurs Description de la propriété
targets Zone Le noeud Streaming TS prévoit une ou plusieurs cibles, éventuellement en utilisant un ou plusieurs champs d'entrée comme prédicteurs. Les champs de fréquence et de poids ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
candidate_inputs [field1 ... fieldN] Champs d'entrée ou prédicteur utilisés par le modèle.
use_period option  
date_time_field Zone  
input_interval None Unknown Year Quarter Month Week Day Hour Hour_nonperiod Minute Minute_nonperiod Second Second_nonperiod  
period_field Zone  
period_start_value Integer  
num_days_per_week Integer  
start_day_of_week Sunday Monday Tuesday Wednesday Thursday Friday Saturday  
num_hours_per_day Integer  
start_hour_of_day Integer  
timestamp_increments Integer  
cyclic_increments Integer  
cyclic_periods list  
output_interval None Year Quarter Month Week Day Hour Minute Second  
is_same_interval option  
cross_hour option  
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 Integer  
use_estimation_period option  
estimation_period Observations Times  
date_estimation list Uniquement disponible si vous utilisez date_time_field.
period_estimation list Uniquement disponible si vous utilisez use_period.
observations_type Latest Earliest  
observations_num Integer  
observations_exclude Integer  
method ExpertModeler Exsmooth Arima  
expert_modeler_method ExpertModeler Exsmooth Arima  
consider_seasonal option  
detect_outliers option  
expert_outlier_additive option  
expert_outlier_innovational option  
expert_outlier_level_shift option  
expert_outlier_transient option  
expert_outlier_seasonal_additive option  
expert_outlier_local_trend option  
expert_outlier_additive_patch option  
consider_newesmodels option  
exsmooth_model_type Simple HoltsLinearTrend BrownsLinearTrend DampedTrend SimpleSeasonal WintersAdditive WintersMultiplicative DampedTrendAdditive DampedTrendMultiplicative MultiplicativeTrendAdditive MultiplicativeSeasonal MultiplicativeTrendMultiplicative MultiplicativeTrend  
futureValue_type_method Compute specify  
exsmooth_transformation_type None SquareRoot NaturalLog  
arima.p Integer  
arima.d Integer  
arima.q Integer  
arima.sp Integer  
arima.sd Integer  
arima.sq Integer  
arima_transformation_type None SquareRoot NaturalLog  
arima_include_constant option  
tf_arima.p. nom de champ Integer Pour les fonctions de transfert.
tf_arima.d. nom de champ Integer Pour les fonctions de transfert.
tf_arima.q. nom de champ Integer Pour les fonctions de transfert.
tf_arima.sp. nom de champ Integer Pour les fonctions de transfert.
tf_arima.sd. nom de champ Integer Pour les fonctions de transfert.
tf_arima.sq. nom de champ Integer Pour les fonctions de transfert.
tf_arima.delay. nom de champ Integer Pour les fonctions de transfert.
tf_arima.transformation_type. nom de champ None SquareRoot NaturalLog Pour les fonctions de transfert.
arima_detect_outliers option  
arima_outlier_additive option  
arima_outlier_level_shift option  
arima_outlier_innovational option  
arima_outlier_transient option  
arima_outlier_seasonal_additive option  
arima_outlier_local_trend option  
arima_outlier_additive_patch option  
conf_limit_pct réel  
events zones  
forecastperiods Integer  
extend_records_into_future option  
conf_limits option  
noise_res option  
max_models_output Integer Indiquez le nombre maximal de modèles que vous voulez inclure dans la sortie. Notez que si le nombre de modèles générés dépasse ce seuil, ceux-ci ne sont pas affichés dans la sortie, mais ils sont toujours disponibles pour l'évaluation. La valeur par défaut est 10. L'affichage d'un trop grand nombre de modèles peut avoir comme conséquence des performances médiocres ou l'instabilité du système.
custom_fields Booléen Cette option indique au noeud d'utiliser les informations des champs indiquées ici au lieu de celles indiquées dans n'importe quel(s) noeud(s) de type en amont. Après avoir sélectionné cette option, spécifiez les zones suivantes, selon les besoins.
arima Tableau Une liste avec p, d, q, sp, sd, sq.
tf_arima Tableau Une liste avec name, p, q, d, sp, sq, sd, delay et type.