FORECAST (SNOWFLAKE.ML)¶
Un modèle de prévision produit une prévision pour une ou plusieurs séries temporelles. Vous utilisez CREATE SNOWFLAKE.ML.FORECAST pour créer et former le modèle de prévision, puis vous utilisez la méthode <nom_du_modèle>!FORECAST du modèle pour produire des prévisions. La méthode <nom_du_modèle>!EXPLAIN_FEATURE_IMPORTANCE fournit des informations sur l’influence de chaque fonction des données d’entraînement sur la prévision. La méthode <nom_du_modèle>!SHOW_TRAINING_LOGS fournit des messages d’erreur pour toutes les séries temporelles dont les modèles n’ont pas réussi à s’ajuster. La méthode <nom_du_modèle>!SHOW_EVALUATION_METRICS fournit des mesures d’évaluation sur des données hors échantillon.
Important
Mention légale. Cette fonction Snowflake ML est alimentée par une technologie de machine learning. La technologie de machine learning et les résultats fournis peuvent être inexacts, incorrects ou biaisés. Les décisions basées sur les résultats du machine learning, y compris celles qui sont intégrées dans des pipelines automatiques, devraient être soumises à une supervision humaine et à des processus d’examen pour s’assurer que le contenu généré par le modèle est exact. Les requêtes de fonctions Snowflake Cortex ML seront traitées comme toute autre requête SQL et peuvent être considérées comme des métadonnées.
Métadonnées. Lorsque vous utilisez des fonctions Snowflake Cortex ML, Snowflake enregistre les messages d’erreur génériques renvoyés par une fonction ML. Ces journaux d’erreurs nous aident à résoudre les problèmes qui surviennent et à améliorer ces fonctions pour mieux répondre à vos demandes.
Pour plus d’informations, voir la FAQ relative à la confiance et à la sécurité concernant l’AI de Snowflake.