0 / 0
Go back to the English version of the documentation
对时间序列模型进行评分
Last updated: 2024年11月21日
对时间序列模型进行评分

将 AutoAI 时间序列管道另存为模型后,您可以部署该模型并对其进行评分,以预测新值。

部署时间序列模型

将模型保存到项目后,请遵循以下步骤来部署该模型:

  1. 在项目资产列表中查找该模型。
  2. 将模型升级到部署空间。
  3. 将有效内容数据提升到部署空间。
  4. 从部署空间创建部署。

评分注意事项

至此,部署时间序列模型遵循与部署分类或回归模型相同的步骤。 但是,由于在时间序列模型中构造和生成预测的方式,您的输入必须与模型结构匹配。 例如,构造有效内容的方式取决于您预测的是单个结果(单变量)还是多个结果(多变量)。

请注意下列高级别注意事项:

  • 要获取数据中的第一个预测窗口行或最后一行之后的行,请发送空有效内容。
  • 要获取下一个值,请将空有效内容请求的结果作为下一个评分请求发送,依此类推。
  • 可以将多行作为输入发送,以构建趋势并预测趋势后的下一个值。
  • 如果有多个预测列,那么需要在评分请求中包含每个预测列的值
  • 配置部署时,可以为 提前步骤 指定值,以更改要预测的步骤数。 例如,对于每小时天气,您可以预测 24 个步骤。

对联机部署评分

如果创建联机部署,那么可以使用输入表单或通过提交 JSON 代码来传递有效内容数据。 此示例显示如何构造 JSON 代码以生成预测。

预测单个值

在最简单的情况下,给定此样本数据,您正在尝试使用 1 的预测窗口来预测 value1 的下一步,这意味着每个预测都将是单一步骤(行)。

时间戳记 value1
2015-02026 21:42 2
2015-02026 21:47 4
2015-02026 21:52 6
2015-02026 21:57 8
2015-02026 22:02 10

必须将空白条目作为输入数据传递以请求第一个预测,其结构如下所示:

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": []
    }
  ]
}

返回的输出将预测模型中的下一步:

{
    "predictions": [
        {
            "fields": [
                "prediction"
            ],
            "values": [
                [
                    12
                ]
            ]
        }
    ]
}

下一个输入传递上一个输出的结果以预测下一步:

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": [
          [12]
          ]
    }
  ]
}

预测多个值

在本例中,您预测的是两个目标:value1value2

时间戳记 value1 value2
2015-02026 21:42 2 1
2015-02026 21:47 4 3
2015-02026 21:52 6 5
2015-02026 21:57 8 7
2015-02026 22:02 10 9

输入数据必须仍传递空白条目以请求第一个预测。 下一输入的结构与以下类似:

{
  "input_data": [
    {
      "fields": [
        "value1",
        "value2"
      ],
      "values": [
          [2, 1],
          ]
    }
  ]
}

基于新观察值预测

如果不根据要输入新观测值的先前步骤来预测下一行,请为单变量模型输入类似如下的输入数据:

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": [
          [2],
          [4],
          [6]
          ]
    }
  ]
}

针对多变量模型输入如下新观察值:

{
  "input_data": [
    {
      "fields": [
        "value1",
        "value2"
      ],
      "values": [
          [2, 1],
          [4, 3],
          [6, 5]
          ]
    }
  ]
}

其中 2、4 和 6 是 value1 的观察值,1、3、5 是 value2 的观察值。

使用支持功能对时间序列模型进行评分

部署模型后,可以转至详细描述部署的页面以获取预测值。 选择下列其中一种方法来测试部署:

使用现有输入值

您可以使用数据集中的现有输入值来获取预测值。 单击 预测 以获取一组预测值。 输出中的预测值总数由您先前在试验配置阶段设置的预测范围定义。

使用新的输入值

您可以选择使用新的输入值填充电子表格,或者使用 JSON 代码来获取预测。

使用电子表格提供用于预测值的新输入数据

要将输入数据添加到 新观察值 (可选) 电子表格,请选择 输入 选项卡并执行下列其中一项操作:

  • 通过单击 浏览本地文件,添加包含本地目录中新观察值的预先存在的 .csv 文件。
  • 通过单击 下载 CSV 模板来下载输入文件模板,输入值,然后上载文件。
  • 通过单击 在空间中搜索来使用项目中的现有数据资产。
  • 在电子表格中手动输入输入观测值。

如果先前已启用试验以在试验配置阶段利用这些值,那么还可以为支持功能部件提供未来值。 确保将这些值添加到 未来支持功能部件 (可选) 电子表格。

使用 JSON 代码提供输入数据

要使用 JSON 代码添加输入数据,请选择 粘贴 JSON 选项卡并执行下列其中一项操作:

  • 通过单击 浏览本地文件,添加包含本地目录中新观察值的预先存在的 JSON 文件。
  • 通过单击 在空间中搜索来使用项目中的现有数据资产。
  • 手动输入 JSON 代码或将其粘贴到编辑器中。

在此代码样本中,预测列为 pollution,支持功能为 temppress

{
        "input_data": [
                {
                        "id": "observations",
                        "values": [
                                [
                                        96.125,
                                        3.958,
                                        1026.833
                                ]
                        ]
                },
                {
                        "id": "supporting_features",
                        "values": [
                                [
                                        3.208,
                                        1020.667
                                ]
                        ]
                }
        ]
}

后续步骤

保存AutoAI生成的笔记本(watsonx.ai运行时)

父主题: 构建时间序列试验

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more