x13_arima

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

• 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。

• 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

create table pai_ft_x13_arima_input(id bigint,number bigint);
tunnel upload data/airpassengers.csv pai_ft_x13_arima_input -h true;

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）