FORECAST (SNOWFLAKE.ML)¶
Mit einem Prognosemodell wird eine Prognose für eine einzelne Zeitreihe oder für mehrere Zeitreihen erstellt. Sie verwenden CREATE SNOWFLAKE.ML.FORECAST, um das Prognosemodell zu erstellen und zu trainieren, und verwenden dann die Methode <Name_des_Modells>!FORECAST des Modells, um Prognosen zu erstellen. Die Methode <Name_des_Modells>!EXPLAIN_FEATURE_IMPORTANCE liefert Informationen darüber, wie jedes Feature in den Trainingsdaten die Prognose beeinflusst. Die Methode <Name_des_Modells>!SHOW_TRAINING_LOGS liefert Fehlermeldungen für alle Zeitreihen, deren Modelle nicht passen. Die <Name_des_Modells>!SHOW_EVALUATION_METRICS-Methode liefert Bewertungskennzahlen für Daten, die außerhalb der Stichprobe liegen.
Wichtig
Rechtlicher Hinweis Diese Snowflake ML-Funktion wird durch Machine-Learning-Technologie unterstützt. Die Machine Learning-Technologie und die bereitgestellten Ergebnisse können ungenau, unangemessen oder verzerrt sein. Entscheidungen auf der Grundlage von Ergebnissen aus Prozessen des maschinellen Lernens, einschließlich solcher, die in automatische Pipelines integriert sind, erfordern eine von Menschen durchgeführte Überwachung und Überprüfung, um sicherzustellen, dass die vom Modell generierten Inhalte korrekt sind. Die von Snowflake Cortex ML-Funktionen ausgeführten Abfragen werden wie alle anderen SQL-Abfragen behandelt, deren Metadaten untersucht werden können.
Metadaten. Wenn Sie ML-basierte Snowflake Cortex-Funktionen verwenden, protokolliert Snowflake allgemeine Fehlermeldungen, die von einer ML-Funktion zurückgegeben werden. Diese Fehlerprotokolle helfen uns, auftretende Probleme zu beheben und diese Funktionen zu verbessern, um unser Angebot für Sie zu optimieren.
Weitere Informationen dazu finden Sie unter Snowflake AI Trust and Safety FAQ.