x13_arima是基于开源X-13ARIMA-SEATS封装的针对季节性调整的Arima算法。
背景信息
Arima全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model),是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的著名时间序列预测方法,所以又称为box-jenkins模型、博克思-詹金斯法。
可视化方式
下面为您介绍在工作流页面配置x13_arima时间序列组件的参数:
页签 | 参数 | 描述 |
---|---|---|
字段设置 | 时序列 | 必选,仅用来对数值列排序,具体数值与计算无关。 |
数值列 | 必选。 | |
分组列 | 可选,多列以半角逗号(,)分隔,例如col0,col1,每个分组会构建一个时间序列。 | |
参数设置 | 格式 | 支持输入的格式为p,d,q。 p、d和q均为非负整数,取值范围为[0, 36]。
|
开始日期 | 支持输入的格式为year.seasonal。例如1986.1。 | |
series频率 | 支持输入正整数,取值范围为12。 | |
格式 | 支持输入的格式为sp,sd,sq。sp、sd和sq均为非负整数,取值范围为[0, 36]。
|
|
seasonal周期 | 支持输入数字,取值范围为(0,12]。默认值为12。 | |
预测条数 | 支持输入数字,取值范围为(0,120]。默认值为12。 | |
预测置信水平 | 支持输入数字,取值范围为(0, 1)默认值为0.95。 | |
执行调优 | 核数目 | 节点个数,默认自动计算。 |
内存数 | 单个节点内存大小,单位为MB。 |
PAI命令方式
使用PAI命令方式,配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用,详情请参见SQL脚本。
PAI -name x13_arima
-project algo_public
-DinputTableName=pai_ft_x13_arima_input
-DseqColName=id
-DvalueColName=number
-Dorder=3,1,1
-Dstart=1949.1
-Dfrequency=12
-Dseasonal=0,1,1
-Dperiod=12
-DpredictStep=12
-DoutputPredictTableName=pai_ft_x13_arima_out_predict
-DoutputDetailTableName=pai_ft_x13_arima_out_detail
参数 | 是否必选 | 描述 | 默认值 |
---|---|---|---|
inputTableName | 是 | 输入表的名称。 | 无 |
inputTablePartitions | 否 | 输入表中,用于训练的特征列名。 | 默认选择所有分区 |
seqColName | 是 | 时序列。仅用来对valueColName排序。 | 无 |
valueColName | 是 | 数值列。 | 无 |
groupColNames | 否 | 分组列,多列用逗号分隔,例如col0,col1。每个分组会构建一个时间序列。 | 无 |
order | 是 | p、d和q分别表示自回归系数、差分、滑动回归系数。取值均为非负整数,范围为[0, 36]。 | 无 |
start | 否 | 时序开始日期。字符串类型,格式为year.seasonal,例如1986.1。请参见时序格式介绍。 | 1.1 |
frequency | 否 | 时序频率。正整数类型,范围为(0, 12]。请参见时序格式介绍。 | 12
说明 12表示12月/年。
|
seasonal | 否 | sp、sd和sq分别表示季节性自回归系数、季节性差分、季节性滑动回归系数。取值均为非负整数,范围为[0, 36]。 | 无seasonal |
period | 否 | seasonal周期。数字类型,取值范围为(0, 100]。 | frequency |
maxiter | 否 | 最大迭代次数。正整数类型。 | 1500 |
tol | 否 | 容忍度,DOUBLE类型。 | 1e-5 |
predictStep | 否 | 预测条数。数字类型,取值范围为(0, 365]。 | 12 |
confidenceLevel | 否 | 预测置信水平。数字类型,取值范围为(0, 1)。 | 0.95 |
outputPredictTableName | 是 | 预测输出表。 | 无 |
outputDetailTableName | 是 | 详细信息表。 | 无 |
outputTablePartition | 否 | 输出分区,分区名。 | 默认不输出到分区 |
coreNum | 否 | 节点个数,与参数memSizePerCore配对使用,正整数。 | 默认自动计算 |
memSizePerCore | 否 | 单个节点内存大小,单位为MB。正整数,取值范围为[1024, 64 *1024]。 | 默认自动计算 |
lifecycle | 否 | 指定输出表的生命周期。 | 默认没有生命周期 |
时序格式介绍
参数start和frequency规定了数据(valueColName)的两个时间维度ts1、ts2:
- frequency:表示单位周期内数据的频率,即单位ts1中ts2的频率。
- start:格式为
n1.n2
,表示开始日期是第n1个ts1中的第n2个ts2。
单位时间 | ts1 | ts2 | frequency | start |
---|---|---|---|---|
12月/年 | 年 | 月 | 12 | 1949.2 表示第1949年中的第2个月 |
4季/年 | 年 | 季 | 4 | 1949.2 表示第1949年中的第2个季度 |
7天/周 | 周 | 天 | 7 | 1949.2 表示第1949周中的第2天 |
1 | 任何时间单位 | 1 | 1 | 1949.1 表示第1949(年、天、时等) |
例如value=[1,2,3,5,6,7,8,9,10,11,12,13,14,15]
start=1949.3,frequency=12
表示数据是12月/年,预测开始日期是1950.06。year Jan Feb Mar Apr May Jun Jul Aug Sep Oct 1949 1 2 3 4 5 6 7 8 9 10 1950 11 12 13 14 15 start=1949.3,frequency=4
表示数据是4季/年,预测开始的日期是1953.02。year Qtr1 Qtr2 Qtr3 Qtr4 1949 1 2 1950 3 4 5 6 1951 7 8 9 10 1952 11 12 13 14 1953 14 15 start=1949.3,frequency=7
表示数据是7天/周,预测开始的日期是1951.04。week Sun Mon Tue Wed Thu Fri Sat 1949 1 2 3 4 5 1950 6 7 8 9 10 11 12 1951 13 14 15 start=1949.1,frequency=1
表示任何时间单位,预测开始日期是1963.00。cycle p1 1949 1 1950 2 1951 3 1952 4 1953 5 1954 6 1955 7 1956 8 1957 9 1958 10 1959 11 1960 12 1961 13 1962 14 1963 15
具体示例
测试数据
使用的数据集为 AirPassengers
id | number |
---|---|
1 | 112 |
2 | 118 |
3 | 132 |
4 | 129 |
5 | 121 |
... | ... |
使用tunnel命令行工具上传数据,命令如下。
create table pai_ft_x13_arima_input(id bigint,number bigint);
tunnel upload data/airpassengers.csv pai_ft_x13_arima_input -h true;
PAI 命令
PAI -name x13_arima
-project algo_public
-DinputTableName=pai_ft_x13_arima_input
-DseqColName=id
-DvalueColName=number
-Dorder=3,1,1
-Dseasonal=0,1,1
-Dstart=1949.1
-Dfrequency=12
-Dperiod=12
-DpredictStep=12
-DoutputPredictTableName=pai_ft_x13_arima_out_predict
-DoutputDetailTableName=pai_ft_x13_arima_out_detail
输出说明
- 输出表outputPredictTableName
column name comment pdate 预测日期。 forecast 预测结论。 lower 置信度为 confidenceLevel(默认0.95)时,预测结论下界。 upper 置信度为 confidenceLevel(默认0.95)时,预测结论上界。 数据展示如下。 - 输出表outputDetailTableName字段说明
column name comment key - model:表示模型
- evaluation:表示评估结果
- parameters:表示训练参数
- log:表示训练日志
summary 存储具体信息。 数据展示PaiWeb展示-模型系数(key=model)PaiWeb展示-评估指标(key=evaluation)
算法规模
- 支持规模
- 行:单Group数据最大1200条
- 列:1数值列
- 资源计算方式
- 不设置groupColNames,默认计算方式
coreNum=1 memSizePerCore=4096
- 设置groupColNames,默认计算方式
coreNum=floor(总数据行数/12万) memSizePerCore=4096
- 不设置groupColNames,默认计算方式
常见问题
为什么预测结果都一样?
在模型训练异常时,会调用均值模型,则所有预测结果都是训练数据的均值。
常见的异常包括时序差分diff后不稳定、训练没有收敛、方差为0等,可以在logview中查看单独节点的stderr文件,获取具体的异常信息。