<nom_du_modèle>!SHOW_EVALUATION_METRICS¶

Syntaxe¶

Vous pouvez appeler cette méthode pour récupérer les métriques de validation croisée générées lors de l’entraînement du modèle, ou vous pouvez l’appeler avec des données supplémentaires qui n’étaient pas disponibles au moment de l’entraînement (données hors échantillon) et recevoir des métriques basées sur la façon dont le modèle prédit ces données.

Renvoyer les métriques de validation croisée de séries temporelles générées au moment de l’entraînement :

Ces métriques ne sont disponibles qu’en cas de valeur evaluate=TRUE dans CONFIG_OBJECT lors de la construction du modèle (il s’agit de la valeur par défaut).

<model_name>!SHOW_EVALUATION_METRICS();

Calculer les métriques de validation croisée sur des données supplémentaires hors échantillon :

<model_name>!SHOW_EVALUATION_METRICS(
  INPUT_DATA => <input_data>,
  [ SERIES_COLNAME => '<series_colname>', ]
  TIMESTAMP_COLNAME => '<timestamp_colname>',
  TARGET_COLNAME => '<target_colname>',
  LABEL_COLNAME => '<label_column_name>',
  [ CONFIG_OBJECT => <config_object> ]
);

Arguments¶

Les arguments suivants ne s’appliquent qu’au cas d’utilisation impliquant des données supplémentaires hors échantillon.

Obligatoire :

Tous les arguments suivants ne sont pas nécessaires pour tous les cas d’utilisation.

INPUT_DATA => input_data

Référence à une table, une vue ou une requête qui contient les horodatages et les valeurs futurs de la cible et toute variable exogène utilisée pendant l’entraînement. Les colonnes sont mises en correspondance entre cet argument et les données d’entraînement exogènes d’origine par nom.

Pour créer cette référence, vous pouvez utiliser le mot-clé TABLE avec le nom de la table, de la vue ou de la requête, ou vous pouvez appeler la fonction SYSTEM$REFERENCE ou SYSTEM$QUERY_REFERENCE.

TIMESTAMP_COLNAME => 'timestamp_colname'

Nom de la colonne contenant les horodatages dans input_data.

TARGET_COLNAME => 'target_colname'

Nom de la colonne contenant la cible (valeur dépendante) dans input_data.

LABEL_COLNAME => 'label_column_name'

Nom de la colonne contenant les étiquettes des données. Les balises sont des valeurs booléennes (vrai/faux) indiquant si une ligne donnée est une anomalie connue. Si vous ne disposez pas de données balisées, indiquez une chaîne vide ('') pour cet argument.

Facultatif :

SERIES_COLNAME => 'series_colname'

Nom de la colonne dans input_data spécifiant la série.

CONFIG_OBJECT => config_object

OBJECT contenant des paires clé-valeur utilisées pour configurer la tâche d’évaluation.

Clé	Type	Par défaut	Description
prediction_interval	FLOAT	0,99	Une valeur supérieure ou égale à 0,0 et inférieure à 1,0. La valeur par défaut est 0,95, ce qui signifie que 95 % des points futurs devraient se situer dans l’intervalle [lower_bound, upper_bound] dérivé du résultat de la prévision.
on_error	STRING	'ABORT'	Chaîne (constante) spécifiant la méthode de gestion des erreurs. Cette fonction est particulièrement utile pour la prévision de plusieurs séries. Valeurs prises en charge : 'abort' : abandonner l’opération de prévision de modèle si une erreur est rencontrée dans une série temporelle. l 'skip' : ignorer toute série temporelle pour laquelle la prévision a rencontré une erreur. Cela permet d’effectuer des prévisions pour d’autres séries temporelles. Les séries qui échouent sont absentes de la sortie du modèle.

Sortie¶