Translation not up to date
Hisse senedi fiyatları ya da sıcaklıklar gibi belirli bir tarih ya da saat aralığı üzerindeki gelecekteki etkinliği tahmin etmek üzere bir zaman serisi denemesi oluşturmak için AutoAI ' yi kullanın.
Zaman serisine genel bakış
Zaman serisi deneyi, gelecekteki değerleri tahmin etmek için geçmiş gözlemleri kullanan bir tahmin yöntemidir. Deney, ARIMA ve Holt-Winters gibi istatistiksel zaman serisi modellerinin yanı sıra rasgele orman regresyonu ve Destek Vektör Makineleri (SVM) gibi makine öğrenimi modellerini kullanarak otomatik olarak birçok boru hattı oluşturur. Daha sonra deney, bir holdout veri kümesi veya backtest veri kümelerinde değerlendirilen ardışık düzen performansına göre en iyi ardışık düzeni önerir.
Tamamlanmak üzere bir dizi boru hattı oluşturan standart bir AutoAI deneyinden farklı olarak bunları sıralar. Bir zaman serisi deneyi, işlemin daha erken aşamasında boru hatlarını değerlendirir ve yalnızca en iyi performans gösteren boru hatlarını tamamlar ve test eder.
Bir zaman serisi deneyinin çeşitli aşamalarında ve test edilmesinde ayrıntılı bilgi için Zaman serisi uygulama ayrıntılarıbaşlıklı konuya bakın.
Zaman serisi deneyinde anormallikleri tahmin etme
Verilerinizdeki ya da tahminlerinizdeki anormallikleri (aykırı değerler) tahmin etmek için zaman serisi denemenizi yapılandırabilirsiniz. Denemeniz için anomali tahminini yapılandırmak üzere Zaman serisi anormallik tahmini modeli oluşturmakonusundaki adımları izleyin.
Öngörüleri geliştirmek için destekleyici özelliklerin kullanılması
Zaman serisi denemenizi yapılandırırken, dış özelliklerolarak da bilinen destekleyici özellikleribelirtmeyi seçebilirsiniz. Destekleyici özellikler, öngörü hedefini etkileyen ya da öngörü hedefine bağlam ekleyen özelliklerdir. Örneğin, dondurma satışlarını tahmin ederseniz, günlük sıcaklık, tahmini daha doğru hale getirebilecek mantıksal bir destekleyici özellik olacaktır.
Destekleyici özellikler için gelecekteki değerlerden yararlanma
Destekleyici özelliklere ilişkin gelecekteki değerleri biliyorsanız, modeli devreye aldığınızda bu gelecekteki değerlerden yararlanabilirsiniz. Örneğin, gelecekteki tişört satışlarını tahmin etmek için bir model eğitiyorsanız, öngörüleri geliştirmek için promosyon indirimlerini destekleyici bir özellik olarak ekleyebilirsiniz. Promosyonun gelecekteki değerini girdikten sonra tahmin daha doğru olur.
Veri gereksinimleri
Bunlar, bir zaman serisi deneyini eğitmek için geçerli veri gereksinimleridir:
Eğitim verileri CSV biçiminde tek bir dosya olmalıdır.
Dosya bir ya da daha çok zaman serisi kolonu içermelidir ve isteğe bağlı olarak bir zaman damgası kolonu içermelidir. Desteklenen tarih/saat biçimlerinin bir listesi için AutoAI zaman serisi uygulama ayrıntılarıbaşlıklı konuya bakın.
Veri kaynağı bir zaman damgası sütunu içeriyorsa, verilerin tek tip sıklıkta örneklendiğinden emin olun. Yani, bitişik satırların zaman damgalarındaki fark aynıdır. Örneğin, veriler 1 dakikalık, 1 saatlik ya da bir günlük artımlarla olabilir. Modelin doğruluğunu artırmak için geri arama penceresini belirlemek üzere belirtilen zaman damgası kullanılır.
Not:Dosya boyutu 1 GB ' den büyükse, verileri zaman damgasına göre azalan düzende sıralayın ve deneyi eğitmek için yalnızca ilk 1 GB kullanılır.
Veri kaynağı bir zaman damgası kolonu içermiyorsa, verilerin düzenli aralıklarla örneklendiğinden ve örnek tarih/saate göre artan düzende sıralandığından emin olun. Yani, ilk satırdaki değer en eskisidir ve son satırdaki değer en yenisidir.
Not: Dosya boyutu 1 GB 'den büyükse, dosyayı 1 GB' den küçük olacak şekilde kısaltın.Son ardışık işlemlere ilişkin eğitim sırasında hangi verilerin kullanılacağını seçin. Yalnızca eğitim verilerini eklemeyi seçerseniz, oluşturulan not defterleri, her bir ardışık işlemi değerlendirmek için kullanılan holdout verilerini almak için bir hücre içerir.
Projenizden verileri seçin ya da dosya sisteminizden ya da varlık tarayıcısından karşıya yükleyin ve Devamdüğmesini tıklatın. Verilerinizi gözden geçirmek için veri kaynağı adından sonra önizleme simgesini 
tıklatın. İsteğe bağlı olarak, eğitilen ardışık hatları sınamak için holdout verileri olarak ikinci bir dosya ekleyebilirsiniz.
Zaman serisi deneyinin yapılandırılması
Bir deneme için ayrıntıları yapılandırırken, Zaman serisini etkinleştir seçeneğini tıklatıp deneme ayrıntılarını tamamlamak için Evet seçeneğini tıklatın.
| Alan | Açıklama |
|---|---|
| Öngörü sütunları | Önceki değerlere dayalı olarak tahmin etmek istediğiniz zaman serisi sütunları. Tahmin etmek için bir ya da daha çok sütun belirtebilirsiniz. |
| Tarih/saat sütunu | Zaman serisi değerlerinin ortaya çıktığı tarihi/saati gösteren sütun. |
| Geri bakış penceresi | Geçerli zaman noktasını tahmin etmek için önceki zaman serisi değerlerinin kaç kez kullanıldığını gösteren bir parametre. |
| Tahmin penceresi | Geri dönüş penceresindeki verilere dayalı olarak tahmin etmek istediğiniz aralık. |
Öngörü özeti, deneyi optimize etmek için seçilen deney tipini ve metriği gösterir.
Deneme ayarlarının yapılandırılması
Zaman serisi denemeniz için daha fazla ayrıntı yapılandırmak üzere Deney ayarları' nı tıklatın.
Genel öngörü ayarları
Öngörü ayarlarına ilişkin Genel panosunda, isteğe bağlı olarak deneyi eniyilemek için kullanılan ölçümü değiştirebilir ya da dikkate alınacak algoritmaları ya da oluşturulacak ardışık hatların sayısını belirtebilirsiniz.
| Alan | Açıklama |
|---|---|
| Öngörü tipi | Deneyinize ilişkin öngörü sütununa dayalı olarak öngörü tipini görüntüleyin ya da değiştirin. Zaman serisi deneyleri için, varsayılan olarak Zaman serisi tahmini seçilir. Not: Öngörü tipini değiştirirseniz, denemeniz için diğer öngörü ayarları otomatik olarak değiştirilir. |
| Eniyilenmiş metrik | Denemeniz için önerilen eniyilenmiş metriği görüntüleyin ya da değiştirin. |
| Eniyilenmiş algoritma seçimi | Zaman serisi deneyleri için desteklenmez. |
| İçerilecek algoritmalar | Deneyinizin boru hattı yaratmasını istediğiniz algoritmaları seçin. Destekleyici özelliklerin kullanımını destekleyen algoritmalar ve ardışık çizgiler bir onay işaretiyle gösterilir. |
| Tamamlanacak ardışık işlem hatları | Deneyiniz için oluşturulacak boru hatlarının sayısını görüntüleyin ya da değiştirin. |
Zaman serisi yapılandırma ayrıntıları
Öngörü ayarları için Zaman serisi bölmesinde, deneyin nasıl eğitileceğini ve öngörülerin nasıl oluşturulacağını öğrenmek için ayrıntıları yapılandırın.
| Alan | Açıklama |
|---|---|
| Tarih/saat sütunu | Deneme için tarih/saat sütununu görüntüleyin ya da değiştirin. |
| Geri bakış penceresi | Geçerli zaman noktasını tahmin etmek için kullanılan önceki zaman serisi değerlerinin sayısını görüntüleyin ya da güncelleyin. |
| Tahmin penceresi | Tahmin etmek istediğiniz aralığı görüntüleyin ya da güncelleyin. |
Veri kaynağı ayarlarını yapılandırma
Giriş verilerinize ilişkin ayrıntıları yapılandırmak için Deney ayarları 'nı tıklatın ve Veri kaynağı' nı seçin.
Genel veri kaynağı ayarları
Veri kaynağı ayarlarına ilişkin Genel panosunda, veri kümenizi eksik değerleri birbirine katmak, veri kümenizi eğitim ve tutulacak verilere bölmek ve destekleyici özellikleri girmek için değiştirebilirsiniz.
| Alan | Açıklama |
|---|---|
| Yinelenen satırlar | Zaman serisi deneyleri için desteklenmez. |
| Alt örnek veriler | Zaman serisi deneyleri için desteklenmez. |
| Metin özelliği mühendisliği | Zaman serisi deneyleri için desteklenmez. |
| Son eğitim verileri kümesi | Son boru hatlarını eğitirken hangi verilerin kullanılacağını seçin: yalnızca eğitim verileri ya da eğitim ve alıştırma verileri. Yalnızca eğitim verilerini eklemeyi seçerseniz, bu deney için oluşturulan not defterleri, her bir ardışık düzeni değerlendirmek için kullanılan holdout verilerini almak için bir hücre içerir. |
| Destekleyici özellikler | Öngörüleri desteklemek ve modelinizin doğruluğunu artırmak için Destekleyici özellikler olarak veri kümenizden ek sütunlar seçin. Destekleyici özelliklerin gelecekteki değerlerinden yararlanınseçeneğini etkinleştirerek, Destekleyici özellikler için gelecekteki değerleri de kullanabilirsiniz. Not: Yalnızca seçilen algoritmalar ve ardışık işlemlerle destekleyici özellikleri kullanabilirsiniz. Destekleyici özelliklerin kullanımını destekleyen algoritmalar ve ardışık işlemlerle ilgili daha fazla bilgi için Zaman serisi uygulama ayrıntılarıbaşlıklı konuya bakın. |
| Veri yükleme | Veri kümenizdeki eksik değerleri yerine konan değerlerle değiştirmek için veri doldurmayı kullanın. Bu seçeneği etkinleştirerek, eksik değerlerin verilerinizde nasıl aradeğerleneceğini belirtebilirsiniz. Veri yükleme hakkında daha fazla bilgi edinmek için AutoAI deneylerinde Veri yükleme konusuna bakın. |
| Eğitim ve alıştırma verileri | Deneyi test etmek için eğitim veri kümenizden bazı verileri ayırmayı seçin. Alternatif olarak, holdout verilerinin ayrı bir dosyasını karşıya yükleyin. Holdout veri dosyası, eğitim verilerinin şemasıyla eşleşmelidir. |
Zaman serisi verilerinin yapılandırılması
Zaman serisi verilerini yapılandırmak için, deneyde geri test ile ilgili zaman serisi verilerinin ayarlarını yapabilirsiniz. Arka test, geçmiş verileri kullanarak bir zaman serisi modelinin doğrulanmasını sağlar.
Tipik bir makine öğrenimi deneyinde, elde edilen modelin doğruluğunu test etmek için verilerin bir kısmını rastgele tutabilir. Bir zaman serisi modelini doğrulamak için, eğitim verileri ile test verileri arasındaki zaman sırası ilişkisini korumalısınız.
Aşağıdaki adımlarda backtest yöntemi açıklanmaktadır:
- Eğitim verilerinin uzunluğu, arka testlerin sayısına, boşluk uzunluğuna ve holdout boyutuna göre belirlenir. Bu parametreler hakkında daha fazla bilgi için bkz. Bir zaman serisi deneyi oluşturma.
- En eski verilerden başlayarak deney, eğitim verileri kullanılarak eğitilir.
- Deneme, ilk doğrulama veri kümesinde değerlendirilir. Boşluk uzunluğu sıfır değilse, boşluktaki veriler atlanır.
- Eğitim verileri penceresi, yeni bir eğitim kümesi oluşturmak için holdout boyutunu ve boşluk uzunluğunu artırarak geliştirilir.
- Bu yeni verilerle yeni bir deney eğitilir ve sonraki doğrulama veri kümesiyle değerlendirilir.
- Önceki iki adım, geri kalan arka test dönemleri için yinelenir.
Arka test yapılandırmasını ayarlamak için:
- Deney ayarları' nı açın.
- Veri kaynakları'dan Zaman serisi' ni tıklatın.
- (İsteğe bağlı): Ayarları çizelgede gösterildiği gibi belirleyin.
| Alan | Açıklama |
|---|---|
| Arka test sayısı | Geriye dönük test, tarih/zaman dönemleri için çapraz doğrulamaya benzer. İsteğe bağlı olarak, denemeniz için arka test sayısını uyarlayabilirsiniz. |
| Holdout (Holdout | Geri sınama için ayarlanan her doğrulama kümesinin ve holdout kümesinin boyutu. Doğrulama uzunluğu, holdout uzunluğu değiştirilerek ayarlanabilir. |
| Boşluk uzunluğu | Her bir arka test için eğitim verileri kümesi ile doğrulama verileri kümesi arasındaki zaman puanlarının sayısı. Parametre değeri sıfır dışında olduğunda, deneyi eğitmek ya da yürürlükteki arka testi değerlendirmek için boşluktaki zaman serisi değerleri kullanılmaz. |
Yapılandırma ayarlarına ilişkin görselleştirme, arka test akışını gösterir. Grafik etkileşimli olduğundan, ayarları grafikten ya da yapılandırma alanlarından değiştirebilirsiniz. Örneğin, boşluk uzunluğunu ayarlayarak, arka test sayısını artırmadan, verilerin daha önceki zaman dönemlerinde model doğrulama sonuçlarını görebilirsiniz.
Deney sonuçlarını yorumlama
Zaman serisi deneyinizi çalıştırdıktan sonra, deney ayrıntılarına ilişkin öngörüler elde etmek için ortaya çıkan boru hatlarını inceleyebilirsiniz. Destekleyici özellikleri kullanan boru hatları, bu özellikleri kullanmayan boru hatlarından ayırt etmek için SUP geliştirme etiketiyle gösterilir. Ayrıntıları görüntülemek için:
- Oluşturulmakta olan boru hatlarıyla ilgili ayrıntıları almak için imleci görselleştirmedeki düğümlerin üzerine getirin.
- Eğitim sürecinin farklı bir görünümünü görmek için İlerleme Haritası görünümüne geç. Ayrıntılar için imleci süreçteki her düğümün üzerine getirin.
- Son boru hatları tamamlandıktan ve lider tahtaya yazıldıktan sonra, performans ayrıntılarını görmek için bir ardışık işlem hattını tıklatabilirsiniz.
- En yüksek performanslı olarak seçilmeyen ardışık düzenler için kullanılan algoritmaları görüntülemek için atılan ardışık düzenleri görüntüle seçeneğini tıklatın.
- Deneme kodunu gözden geçirebileceğiniz not defteri olarak kaydedin.
- Belirli bir ardışık düzeni gözden geçirebileceğiniz bir not defteri olarak kaydedin.
Bir zaman serisi deneyinin nasıl çalıştırılacağını ve eğitim ve tutmayı kullanan bir Jüpiter not defterinde bir modelin nasıl oluşturulacağını görmek için bu videoyu izleyin.
Bu video, bu belgedeki kavramları ve görevleri öğrenmek için görsel bir yöntem sağlar.
Sonraki adımlar
- Örnek verileri kullanarak minimum sıcaklıkları tahmin etmek üzere tek değişkenli bir zaman serisi modelini eğitmekiçin adım adım bir öğretici programı izleyin.
- Destekleyici özelliklerle bir zaman serisi denemesi eğitimiiçin adım adım öğretici programı izleyin.
- Devreye alınan bir zaman serisi modelini puanlamahakkında bilgi edinin.
- API for AutoAI zaman serisi deneylerinikullanma hakkında bilgi edinin.
Ek kaynaklar
- AutoAI zaman serisi deneyleriyle tahminde bulunmaya giriş için Tam zamanında (seri): Watson Studio' nun AutoAI Zaman Serisibaşlıklı web günlüğü gönderisine bakın.
- Bir zaman serisi deneyi oluşturma hakkında daha fazla bilgi için yeni bir zaman serisi deneyi oluşturmahakkında bu web günlüğü gönderisine bakın.
- Bir zaman serisi deneyine destekleyici özellikler eklemehakkında bir web günlüğü gönderisini okuyun.
- Destekleyici özelliklerle zaman serisi denemesi için örnek not defterini gözden geçirin.
- API kullanarak bir zaman serisi deneyine destekleyici özellikler eklemehakkında bir web günlüğü gönderisini okuyun.
Sonraki adımlar
- Öğretici Program: AutoAI tek değişkenli zaman serisi deneyi
- Öğretici Program: AutoAI destekli özellikler zaman serisi deneyi
- Zaman serisi deneme uygulaması ayrıntıları
- Zaman serisi modelinin puanlaması
Üst konu: AutoAI genel bakış