ForecastingSettings Klasse

Initialisiert eine neue instance von ForecastingSettings.

Land oder Region für Feiertage für Vorhersageaufgaben. Dabei sollte es sich um den aus zwei Buchstaben bestehenden Länder-/Regionscode nach ISO 3166 handeln (z. B. „US“ oder „GB“).

Anzahl der Zeiträume zwischen der Ursprungszeit einer CV-Faltung und der nächsten Faltung. Wenn CVStepSize beispielsweise = 3 für tägliche Daten gilt, beträgt die Ursprungszeit für jede Faltung drei Tage.

Flag zum Generieren von Verzögerungen für die numerischen Features mit "auto" oder NULL.

Die Featurespalten, die für das Training verfügbar sind, aber zum Zeitpunkt der Vorhersage bzw. des Rückschlusses unbekannt sind. Wenn features_unknown_at_forecast_time nicht festgelegt ist, wird davon ausgegangen, dass alle Featurespalten im Dataset zum Zeitpunkt des Rückschlusses bekannt sind.

Der gewünschte maximale Prognosehorizont in Einheiten der Zeitreihenhäufigkeit. Beachten Sie, dass ForecastHorizon die Basisklasse ist. Je nach Szenario muss hier möglicherweise eine abgeleitete Klasse der Basisklasse zugewiesen werden, oder diese Eigenschaft muss in eine der möglichen abgeleiteten Klassen umgewandelt werden. Zu den verfügbaren abgeleiteten Klassen gehören AutoForecastHorizon und CustomForecastHorizon.

Bei Vorhersagen stellt dieser Parameter den Zeitraum dar, für den die Vorhersage erfolgen soll, z. B. täglich, wöchentlich, jährlich usw. Die Vorhersagehäufigkeit ist standardmäßig auf die Dataset-Häufigkeit festgelegt.

Festlegen der Saisonalität von Zeitreihen als ganzzahliges Vielfaches der Zeitreihenhäufigkeit. Wenn „auto“ festgelegt ist, wird die Saisonalität abgeleitet. Beachten Sie, dass ForecastingSeasonality die Basisklasse ist. Je nach Szenario muss hier möglicherweise eine abgeleitete Klasse der Basisklasse zugewiesen werden, oder diese Eigenschaft muss in eine der möglichen abgeleiteten Klassen umgewandelt werden. Zu den verfügbaren abgeleiteten Klassen gehören AutoSeasonality und CustomSeasonality.

Der Parameter definiert, wie kurze Zeitreihen beim automatisierten maschinellen Lernen verarbeitet werden.

Die Funktion zum Aggregieren der Zeitreihen-Zielspalte, um sie an eine benutzerdefinierte Häufigkeit anzupassen. Wenn targetAggregateFunction festgelegt ist, d. h. nicht "None", aber der freq-Parameter nicht festgelegt ist, wird der Fehler ausgelöst. Die möglichen Zielaggregationsfunktionen sind „sum“, „max“, „min“ und „mean“.

Die Anzahl vergangener Zeiträume, um die die Zielspalte verzögert werden soll. Beachten Sie, dass TargetLags die Basisklasse ist. Je nach Szenario muss hier möglicherweise eine abgeleitete Klasse der Basisklasse zugewiesen werden, oder diese Eigenschaft muss in eine der möglichen abgeleiteten Klassen umgewandelt werden. Zu den verfügbaren abgeleiteten Klassen gehören AutoTargetLags und CustomTargetLags.

Die Anzahl vergangener Zeiträume, die zum Erstellen eines Durchschnittswerts für das rollierende Fenster der Zielspalte verwendet werden. Beachten Sie, dass TargetRollingWindowSize die Basisklasse ist. Je nach Szenario muss hier möglicherweise eine abgeleitete Klasse der Basisklasse zugewiesen werden, oder diese Eigenschaft muss in eine der möglichen abgeleiteten Klassen umgewandelt werden. Zu den verfügbaren abgeleiteten Klassen gehören AutoTargetRollingWindowSize und CustomTargetRollingWindowSize.

Der Name der Zeitspalte. Dieser Parameter ist bei Vorhersageaufgaben erforderlich, um die Spalte „datetime“ in den Eingabedaten anzugeben, die zum Erstellen der Zeitreihe sowie zum Ableiten des Intervalls verwendet wird.

Die Namen von Spalten, die zum Gruppieren einer Zeitreihe verwendet werden. Dieser Parameter kann zum Erstellen mehrerer Reihen verwendet werden. Ohne definierte Granularität wird bei dem Dataset von einer einzelnen Zeitreihe ausgegangen. Dieser Parameter wird bei der Aufgabentypvorhersage verwendet.

Konfigurieren Sie die STL-Aufschlüsselung der Zeitreihen-Zielspalte.