Platform For AI：x13_auto_arima

x13_auto_arima選擇過程如下：

• default model estimation

  當frequency = 1時，預設模型是(0,1,1) 。

  當frequency > 1時，預設模型是(0,1,1)(0,1,1)。

• identification of differencing orders

  如果設定了diff 和 seasonalDiff，則跳過此步驟。

  使用Unit root test (wiki )確定差分d，和季節性差分D。

• identification of ARMA model orders

  根據 BIC(wiki) 準則選擇最合適的模型， 其參數maxOrder、maxSeasonalOrder在此步驟起作用。

• comparison of identified model with default model

  使用Ljung-Box Q statistic(wiki) 比較模型，如果兩個模型均是不可接受的，則使用(3,d,1)(0,D,1)模型。

• final model checks

參數start和frequency規定了資料（valueColName）的兩個時間維度ts1、ts2：

• frequency：表示單位周期內資料的頻率，即單位ts1中ts2的頻率。

• start：格式為n1.n2，表示開始日期是第n1個ts1中的第n2個ts2。

例如value=[1,2,3,5,6,7,8,9,10,11,12,13,14,15]

• start=1949.3，frequency=12表示資料是12月/年，預測開始日期是1950.06。

  year	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
  1949			1	2	3	4	5	6	7	8	9	10
  1950	11	12	13	14	15

• start=1949.3，frequency=4表示資料是4季/年，預測開始的日期是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	15

• start=1949.3，frequency=7表示資料是7天/周，預測開始的日期是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表示任何時間單位，預測開始日期是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

使用的資料集為AirPassengers.csv，是1949～1960年每個月國際航空的乘客數量，如下表所示。關於該資料集更詳細的內容介紹，請參見AirPassengers。

使用MaxCompute用戶端的Tunnel命令上傳資料，命令如下。關於MaxCompute用戶端的安裝及配置請參見使用本地用戶端（odpscmd）串連，關於Tunnel命令使用詳情請參見Tunnel命令。

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

執行PAI命令

您可以使用SQL指令碼執行如下PAI命令，也可以使用ODPS SQL節點執行如下PAI命令。

PAI -name x13_auto_arima
    -project algo_public
    -DinputTableName=pai_ft_x13_arima_input
    -DseqColName=id
    -DvalueColName=number
    -Dstart=1949.1
    -Dfrequency=12
    -DmaxOrder=4
    -DmaxSeasonalOrder=2
    -DmaxDiff=2
    -DmaxSeasonalDiff=1
    -DpredictStep=12
    -DoutputPredictTableName=pai_ft_x13_arima_auto_out_predict
    -DoutputDetailTableName=pai_ft_x13_arima_auto_out_detail

輸出說明：

• 輸出表outputPredictTableName

  • 欄位說明

    column name	comment
    pdate	預測日期。
    forecast	預測結論。
    lower	信賴度為confidenceLevel（預設0.95）時，預測結論下界。
    upper	信賴度為confidenceLevel（預設0.95）時，預測結論上界。

  • 資料展示

    

• 輸出表outputDetailTableName

  • 欄位說明

    column name	comment
    key	model：表示模型 evaluation：表示評估結果 parameters：表示訓練參數 log：表示訓練日誌
    summary	儲存具體資訊。

  • 資料展示