全部产品
Search
文档中心

人工智能平台 PAI:x13_arima

更新时间:Feb 27, 2024

x13_arima是基于开源X-13ARIMA-SEATS封装的针对季节性调整的Arima算法。 本文为您介绍x13_arima组件的配置方法。

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。

算法规模如下:

  • 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

组件配置

您可以使用以下任意一种方式,配置字x13_arima组件参数。

方式一:可视化方式

Designer工作流页面配置组件参数。

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]

  • p:自回归系数

  • d:差分

  • q:滑动回归系数

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]

  • sp:季节性自回归系数。

  • sd:季节性差分。

  • sq:季节性滑动回归系数。

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。

方式二: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

输入表的名称。

inputTablePartitions

输入表中,用于训练的特征列名。

默认选择所有分区

seqColName

时序列。仅用来对valueColName排序。

valueColName

数值列。

groupColNames

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。

order

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]

start

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

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

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

seasonal周期。数字类型,取值范围为(0, 100]

frequency

maxiter

最大迭代次数。正整数类型。

1500

tol

容忍度,DOUBLE类型。

1e-5

predictStep

预测条数。数字类型,取值范围为(0, 365]

12

confidenceLevel

预测置信水平。数字类型,取值范围为(0, 1)

0.95

outputPredictTableName

预测输出表。

outputDetailTableName

详细信息表。

outputTablePartition

输出分区,分区名。

默认不输出到分区

coreNum

节点个数,与参数memSizePerCore配对使用,正整数。

默认自动计算

memSizePerCore

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

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startfrequency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

12

1949.2 表示第1949年中的第2个月

4季/年

4

1949.2 表示第1949年中的第2个季度

7天/周

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

准备测试数据

使用的数据集为AirPassengers.csv,是1949~1960年每个月国际航空的乘客数量,如下表所示。关于该数据集更详细的内容介绍,请参见AirPassengers

id

number

1

112

2

118

3

132

4

129

5

121

...

...

使用MaxCompute客户端的Tunnel命令上传数据,命令如下。关于MaxCompute客户端的安装及配置请参见使用本地客户端(odpscmd)连接,关于Tunnel命令使用详情请参见Tunnel命令

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

执行PAI 命令

您可以使用SQL脚本执行如下PAI命令,也可以使用ODPS SQL节点执行如下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

    • 字段说明

      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

      image

  • 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

      image

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,您可以在logview中查看单独节点的stderr文件,获取具体的异常信息。

  • 参数非常多,如何设置?

    x13_arima组件需要设置p、d、q、sp、sd和sq等参数,如果不确定如何配置,建议使用

    x13_auto_arima组件。该组件只需设置上界,系统会自动搜索最优参数。

  • 异常信息:ERROR: Number of observations after differencing and/or conditional AR estimation is 9, which is less than the minimum series length required for the model estimated, 24

    异常原因为数据较少,请调整频率,或增加数据。

  • 异常信息:ERROR: Order of the MA operator is too large

    异常原因为数据较少。

  • 异常信息:ERROR: Series to be modelled and/or seasonally adjusted must have at least 3 complete years of data

    如果填写了季节性参数,则需要3年的数据。

相关文档

x13_arima组件需要设置p、d、q、sp、sd和sq等参数,如果不确定如何配置,建议使用x13_auto_arima组件。该组件只需设置上界,系统会自动搜索最优参数。详情请参见x13_auto_arima