ForecastingSettings クラス

ForecastingSettings の新しいインスタンスを初期化します。

予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国または地域コード ("US" や "GB" など) である必要があります。

1 つの CV フォールドの原点時刻から次のフォールドまでの期間の数。 たとえば、日単位のデータに対して = 3 の場合 CVStepSize 、各フォールドの起点時間は 3 日間隔になります。

'auto' または null を持つ数値特徴量のラグを生成するためのフラグ。

予測/推論時にトレーニングに使用できるが不明な特徴列。 features_unknown_at_forecast_timeが設定されていない場合、データセット内のすべての特徴列が推論時に既知であると見なされます。

時系列頻度を単位にした目的の最大予測期間。 基底クラスであることに注意 ForecastHorizon してください。 シナリオによると、基底クラスの派生クラスをここで割り当てる必要があるか、このプロパティを使用可能な派生クラスのいずれかにキャストする必要があります。 使用可能な派生クラスには、 と がCustomForecastHorizon含まれますAutoForecastHorizon。

予測する場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。

時系列頻度の倍数 (整数) としての時系列の季節性を設定します。 'auto' に設定した場合、季節性は推論されます。 基底クラスであることに注意 ForecastingSeasonality してください。 シナリオによると、基底クラスの派生クラスをここで割り当てる必要があるか、このプロパティを使用可能な派生クラスのいずれかにキャストする必要があります。 使用可能な派生クラスには、 と がCustomSeasonality含まれますAutoSeasonality。

AutoML で短い時系列を処理する方法を定義するパラメーター。

ユーザー指定の頻度に従って時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されていても、freq パラメーターが設定されていない場合は、エラーが発生します。 使用可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。

ターゲット列からのラグとして指定する過去の期間の数。 基底クラスであることに注意 TargetLags してください。 シナリオによると、基底クラスの派生クラスをここで割り当てる必要があるか、このプロパティを使用可能な派生クラスのいずれかにキャストする必要があります。 使用可能な派生クラスには、 と がCustomTargetLags含まれますAutoTargetLags。

ターゲット列のローリング ウィンドウの平均を作成するために使用する過去の期間の数。 基底クラスであることに注意 TargetRollingWindowSize してください。 シナリオによると、基底クラスの派生クラスをここで割り当てる必要があるか、このプロパティを使用可能な派生クラスのいずれかにキャストする必要があります。 使用可能な派生クラスには、 と がCustomTargetRollingWindowSize含まれますAutoTargetRollingWindowSize。

時間列の名前。 このパラメーターは、時系列の構築とその頻度の推定に使用される入力データで、予測によって datetime 列を指定する場合に必要です。

時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用します。

時系列ターゲット列の STL 分解を構成します。