时序预测

本节以数据集“KPI”，数据实例“data”为例，进行后续操作说明。数据集data一共有6列特征，分别为time、col_1、col_2、col_3、col_4、col_5。其中“time”为时间列，后面五列为KPI特征列。

请根据实际情况，配置如下参数：

• 工程名称：特征工程名称。
• 开发模式：请选择“Jupyterlab交互式开发”。
• 规格：选择Jupyterlab环境部署的容器规格大小。时序预测也会推荐使用深度学习算法，建议选择大规格“8核|32G”，否则模型训练时长会达到1小时。
• 实例：从下拉框中选择“新建一个环境”。

等待Jupyterlab环境创建完成后，单击特征工程所行，对应操作列的图标。

进入Jupyterlab环境的“Launcher”页签。如果当前没有打开“Launcher”页签，可通过单击界面左上角菜单中的“File > New Launcher”，打开“Launcher”页签。

进入“KPI.ipynb”文件界面，如图1所示。

图1 “KPI.ipynb”文件界面

配置如下参数：

• 训练数据集：从下拉框中选择“KPI”。
• 训练数据集实例：从下拉框中选择“data”。
• 载入测试数据方式：本次数据集界面中仅上传了一份数据集data，需要选择“从训练数据分割”，并设置“测试数据分割量”，即从训练集的数据尾部，分割出去的数据比例，示例为“0.2”。如果用户在数据集界面同时上传了训练集和测试集，可以选择“从数据集读入”，并相应选择“测试数据集”和“测试数据集实例”即可。

单击“加载数据”左侧的图标，加载训练集和测试集。

运行完成后，可以在下方看到展示的“训练数据”和“测试数据”内容。

参数说明如下所示：

• 目标列：单击配置框右侧的图标，在弹出的“目标列”对话框中，同时选中“未选择列”区域的5列特征col_1、col_2、col_3、col_4、col_5，单击，将5列特征移至“已选择列”区域。单击“确认”，完成参数设置。
• 时间列：参考“目标列”的操作，将“时间列”设置为数据集中的时间列，本次数据集的时间列为“time”。
• 预测长度：预测的样本数量，默认值“1”。例如当前数据是按小时采集的3000条样本数据，如果想通过模型预测未来1天的样本数据，因为按小时采集，所以为24条数据，那么“预测长度”需要配置为“24”。
• 预测粒度：保持默认值。
• 预测类型：取值说明如下所示。本次请选择“时空预测”。
  • 时序预测：如果选择“时序预测”，“目标列”仅支持设置为单列。
  • “节假日/重大事件预测”：如果选择“节假日/重大事件预测”，“目标列”仅支持设置为单列。如果选择此项，界面会新增配置参数“节假日/重大事件信息配置”，单击参数配置框右侧的图标。在弹出的“节假日/重大事件信息配置”对话框中，配置一条或者多条节假日或者重大事件的开始时间、结束时间及其相应的标记，可单击“标记”右侧的问号，查看其含义。
  • 时空预测：如果选择“时空预测”，“目标列”支持设置为多列。
• 平台性能：与创建特征工程时，即2中设置的JupyterLab平台规格大小有关，如果规格大，可以选择“优”或“良”；如果选择的小规格“2核|8G”，则选择“差”。本次规格选择的是“8核|32G”，配置为“良”即可。

对数据进行自动填充空值、平滑处理、去除异常点等数据预处理操作。运行完成后，可以看到每个KPI的图形展示情况。

特征画像的作用，就是对数据进行分析，把其中一些基本特征提取出来，如：周期性、离散度、时序规律、最值、采样频率等，计算KPI曲线特点（包括周期性、趋势性、噪声、离散性、随机性等）。根据计算的曲线特点，判断KPI的大类别（毛刺型、阶梯型、周期型、离散型、稀疏型、多模态型等）。这些类别，对应到后面的特征选择、算法推荐，会有不同的策略，有效提升模型的构建效率。

当前算子会参考前面生成的特征画像，评估当前数据是否可执行预测。

单击“可预测性评估”左侧的图标，运行代码。

代码运行完成后，会以列表的形式展示KPI的评估结果。如果评估结果良好，可以继续执行后面的操作。

这里会结合前面的算子“预测场景需求”、“特征画像”和“可预测性评估”的运行结果，综合评估推荐出最适合的预测算法，并利用超参优化，对推荐出的模型进行超参寻优。

单击“算法选择”左侧的图标，完成算法选择。

代码运行过程中，下方会不断的打印运行日志。代码运行完成后，可以看到“算法推荐”信息。

单击“模型训练”左侧的图标，进行模型训练。

这里会使用data数据集和推荐的算法进行模型训练，代码运行完成后，会生成KPI时序预测模型并保存。

单击“模型评估”左侧的图标，进行模型评估。

参数说明如下所示：

评估方法：预置了四种模型评估方法，可根据实际情况选择。如果这些评估方法不满足用户诉求，可单击代码框右侧的图标，切换成代码视图，将method改为自定义评估函数即可。