Apply Forecast

概要

この演算子は、予測モデルを使用して時系列の次の値を予測します。

詳細

予測のタイプは、時系列データを含む提供されたモデルによって異なります。これは、モデルをExampleSetに適用するApply Model演算子との違いです。予測の長さはユーザー定義のパラメーターです。

分化

Apply Model

適用モデルは、新しい値を予測するためにも使用できます。これは通常、予測アルゴリズム（つまり、分類モデルまたは回帰モデル）によって作成されたモデルの場合です。ただし、予測の適用演算子とは対照的に、モデルの適用演算子には、モデルと互換性のあるExampleSetが必要です。時系列予測モデルは、適合するデータに大きく依存しているため、このデータはすでに予測モデルに含まれています。

入力

予測モデル（IOObject）新しい値が生成される予測モデル。また、モデルがトレーニングされた元の時系列の値も含まれます。

出力

サンプルセット（IOObject）予測される時系列値を含むExampleSet。選択したパラメーターに応じて、元の値も含まれます。
オリジナル（IOObject）入力として与えられたモデルは、変更なしでパススルーされます。

パラメーター

predict_horizonこのパラメーターは、予測の長さを指定します。モデルによって生成される新しいポイントの数を示します。情報が少ないため、予測が長いと不確実性が高くなります。範囲：
add_original_time_seriesこのパラメーターがtrueに設定されている場合、時系列の元の値を含む追加属性が結果に追加されます。予測属性には元のエントリの値が欠落しており、新しい属性には予測エントリの値が欠落しています。範囲：
add_combined_time_seriesこのパラメーターをtrueに設定すると、追加の属性が結果に追加されます。この属性には、元の時系列データと予測値が含まれます。範囲：

チュートリアルプロセス

ARIMAプロセスの予測

このプロセスは、サンプル時系列を生成し、ARIMAモデルに基づいて次の10個の値を予測します。