FORECAST¶

Syntaxe¶

CREATE [ OR REPLACE ] SNOWFLAKE.ML.FORECAST [ IF NOT EXISTS ] <name>(
  INPUT_DATA => <input_data>,
  [ SERIES_COLNAME => '<series_colname>', ]
  TIMESTAMP_COLNAME => '<timestamp_colname>',
  TARGET_COLNAME => '<target_colname>',
  [ CONFIG_OBJECT => <config_object> ]
)
[ [ WITH ] TAG ( <tag_name> = '<tag_value>' [ , <tag_name> = '<tag_value>' , ... ] ) ]
[ COMMENT = '<string_literal>' ]

CREATE SNOWFLAKE.ML.FORECAST <name>(
  '<input_data>', '<series_colname>', '<timestamp_colname>', '<target_colname>'
);

Paramètres¶

name

Spécifie l’identificateur du modèle ; il doit être unique pour le schéma dans lequel le modèle est créé.

Si l’identificateur du modèle n’est pas complet (sous la forme db_name.schema_name.name ou schema_name.name), la commande recherche le modèle dans le schéma actuel de la session.

De plus, l’identificateur doit commencer par un caractère alphabétique et ne peut pas contenir d’espaces ou de caractères spéciaux à moins que toute la chaîne d’identificateur soit délimitée par des guillemets doubles (par exemple, "My object"). Les identificateurs entre guillemets doubles sont également sensibles à la casse.

Pour plus de détails, voir Exigences relatives à l’identificateur.

Arguments du constructeur¶

Obligatoire :

INPUT_DATA => input_data

Référence aux données d’entrée. L’utilisation d’une référence permet au processus d’entraînement, qui s’exécute avec des privilèges limités, d’utiliser vos privilèges pour accéder aux données. Vous pouvez utiliser une référence à une table ou à une vue si vos données sont déjà sous cette forme, ou vous pouvez utiliser une référence de requête pour fournir la requête à exécuter pour obtenir les données.

Les données référencées sont l’ensemble des données d’entraînement consommées par la modèle de prévisions. Si input_data contient des colonnes qui ne sont pas nommées timestamp_colname, target_colname, ou series_colname, elles sont considérées comme des variables exogènes (fonctions supplémentaires). L’ordre des colonnes dans les données d’entrée n’a pas d’importance.

Vos données d’entrée doivent comporter des colonnes dont le type est adapté à votre cas. Consultez Exemples pour plus de détails sur chaque cas.

Cas d’utilisation	Colonnes et types
Série temporelle unique	Colonne d’horodatage : TIMESTAMP_NTZ. Colonne de valeur cible : FLOAT.
Séries temporelles multiples	Colonne de la série : VARIANT contenant des valeurs numériques et du texte. Colonne d’horodatage : TIMESTAMP_NTZ. Colonne de valeur cible : FLOAT.
Série temporelle unique avec variables exogènes	Colonne d’horodatage : TIMESTAMP_NTZ. Colonne de valeur cible : FLOAT. Colonnes de fonctions exogènes : numérique ou texte.
Séries temporelles multiples avec variables exogènes	Colonne de la série : VARIANT contenant des valeurs numériques et du texte. Colonne d’horodatage : TIMESTAMP_NTZ. Colonne de valeur cible : FLOAT. Colonnes de fonctions exogènes : numérique ou texte.

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.

Facultatif :

SERIES_COLNAME => 'series_colname'

Pour les modèles de séries temporelles multiples, le nom de la colonne définissant les séries temporelles multiples dans input_data. Cette colonne peut être une valeur de n’importe quel type ou un tableau de valeurs provenant d’une ou plusieurs autres colonnes, comme présenté dans Prévision sur des séries multiples.

Si vous fournissez des arguments en tenant compte de la position, il doit s’agir du deuxième argument.

CONFIG_OBJECT => config_object

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

Clé	Type	Par défaut	Description
on_error	STRING	'ABORT'	Chaîne (constante) qui spécifie la méthode de traitement des erreurs pour la tâche d’entraînement des modèles. Cette fonction est particulièrement utile lors de l’entraînement de plusieurs séries. Valeurs prises en charge : 'abort' : abandonner l’opération d’entraînement si une erreur est rencontrée dans une série temporelle. 'skip' : ignorer toute série temporelle pour laquelle l’entraînement a rencontré une erreur. Cela permet de réussir l’entraînement des modèles pour d’autres séries temporelles. Pour savoir quelle série a échoué, utilisez la méthode <nom>!SHOW_TRAINING_LOGS du modèle.
evaluate	BOOLEAN	TRUE	Si des mesures d’évaluation doivent être générées. Si TRUE, des modèles supplémentaires sont entraînés pour la validation croisée en utilisant les paramètres de evaluation_config.
evaluation_config	OBJECT	Voir Configuration de l’évaluation ci-dessous.	Un objet de configuration facultatif pour spécifier comment les mesures d’évaluation hors échantillon doivent être générées.

Configuration de l’évaluation¶

L’objet evaluation_config contient des paires clé-valeur qui configurent la validation croisée. Ces paramètres proviennent de TimeSeriesSplit de scikit-learn.

Clé	Type	Par défaut	Description
n_splits	INTEGER	5	Nombre de fractionnements.
max_train_size	INTEGER ou NULL (pas de maximum).	NULL	Taille maximale d’un seul ensemble d’entraînement.
test_size	INTEGER ou NULL.	NULL	Utilisé pour limiter la taille de l’ensemble de tests.
gap	INTEGER	0	Nombre d’échantillons à exclure de la fin de chaque ensemble d’entraînement avant l’ensemble de test.
prediction_interval	FLOAT	0,95	L’intervalle de prédiction utilisé dans le calcul des métriques d’intervalle.

Notes sur l’utilisation¶

La réplication des instances de classe n’est actuellement pas prise en charge.

Syntaxe¶

SHOW SNOWFLAKE.ML.FORECAST [ LIKE <pattern> ]
  [ IN
      {
        ACCOUNT                  |

        DATABASE                 |
        DATABASE <database_name> |

        SCHEMA                   |
        SCHEMA <schema_name>     |
        <schema_name>
      }
   ]

Paramètres¶

LIKE 'pattern'

(Facultatif) Filtre la sortie de commande par nom d’objet. Le filtre utilise une concordance de motif insensible à la casse avec prise en charge des caractères génériques SQL (% et _).

Par exemple, les motifs suivants donnent les mêmes résultats :

... LIKE '%testing%' ...

... LIKE '%TESTING%' ...

. Par défaut : aucune valeur (aucun filtrage n’est appliqué à la sortie).

[ IN ... ]

Spécifie de manière facultative la portée de la commande. Spécifie l’un des éléments suivants :

ACCOUNT

Renvoie les enregistrements pour l’ensemble du compte.

DATABASE, . DATABASE db_name

Renvoie les enregistrements pour la base de données en cours d’utilisation ou pour une base de données spécifiée (db_name).

Si vous spécifiez DATABASE sans db_name et qu’aucune base de données n’est utilisée, le mot-clé n’a aucun effet sur la sortie.

SCHEMA, . SCHEMA schema_name, . schema_name

Renvoie les enregistrements pour le schéma en cours d’utilisation ou un schéma spécifié (schema_name).

SCHEMA est facultatif si une base de données est utilisée ou si vous spécifiez le schema_name complet (par exemple, db.schema).

Si aucune base de données n’est utilisée, spécifier SCHEMA n’a aucun effet sur la sortie.

Par défaut : dépend si la session dispose actuellement d’une base de données en cours d’utilisation :

• Base de données : DATABASE est la valeur par défaut (c’est-à-dire que la commande renvoie les objets que vous pouvez visualiser dans la base de données).

• Aucune base de données : ACCOUNT est la valeur par défaut (c’est-à-dire que la commande renvoie les objets que vous pouvez visualiser dans votre compte).

Sortie¶

La sortie de commande fournit les propriétés des modèles et les métadonnées dans les colonnes suivantes :

Syntaxe¶

DROP SNOWFLAKE.ML.FORECAST [ IF EXISTS ] <name>;

Paramètres¶

name

Indique l’identificateur du modèle à supprimer. Si l’identificateur contient des espaces, des caractères spéciaux ou des caractères majuscules et minuscules, toute la chaîne doit être délimitée par des guillemets doubles. Les identificateurs entre guillemets doubles sont également sensibles à la casse.

Si l’identificateur du modèle n’est pas complet (sous la forme db_name.schema_name.name ou schema_name.name), la commande recherche le modèle dans le schéma actuel de la session.

Syntaxe¶

Les arguments requis varient en fonction du cas d’utilisation pour lequel le modèle a été entraîné.

Pour les modèles à série unique sans variables exogènes :

<name>!FORECAST(
  FORECASTING_PERIODS => <forecasting_periods>,
  [ CONFIG_OBJECT => <config_object> ]
);

Pour les modèles à série unique avec des variables exogènes :

<name>!FORECAST(
  INPUT_DATA => <input_data>,
  TIMESTAMP_COLNAME => '<timestamp_colname>',
  [ CONFIG_OBJECT => <config_object> ]
);

Pour les modèles à séries multiples sans variables exogènes :

<name>!FORECAST(
  SERIES_VALUE => <series>,
  FORECASTING_PERIODS => <forecasting_periods>,
  [ CONFIG_OBJECT => <config_object> ]
);

Pour les modèles à séries multiples avec variables exogènes :

<name>!FORECAST(
  SERIES_VALUE => <series>,
  SERIES_COLNAME => <series_colname>,
  INPUT_DATA => <input_data>,
  TIMESTAMP_COLNAME => '<timestamp_colname>',
  [ CONFIG_OBJECT => <config_object> ]
);

Arguments¶

Obligatoire :

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

FORECASTING_PERIODS => forecasting_periods

Nécessaire pour les prévisions sans variables exogènes.

Nombre de pas en avant pour la prévision. L’intervalle entre les étapes est déduit par le modèle au cours de l’entraînement.

INPUT_DATA => input_data

Nécessaire pour les prévisions avec des variables exogènes.

Référence à une table, une vue ou une requête qui contient les horodatages futurs et les valeurs des variables exogènes (fonctions supplémentaires fournies par l’utilisateur) qui ont été transmises en tant que input_data lors de la formation du modèle. L’utilisation d’une référence permet au processus de prévision, qui s’exécute avec des privilèges limités, d’utiliser vos privilèges pour accéder aux données. Les colonnes sont mises en correspondance entre cet argument et les données d’entraînement exogènes d’origine par nom.

TIMESTAMP_COLNAME => 'timestamp_colname'

Nécessaire pour les prévisions avec des variables exogènes.

Nom de la colonne dans input_data contenant les horodatages.

SERIES_COLNAME => 'series_colname'

Nécessaire pour les prévisions multi-séries avec des variables exogènes.

Nom de la colonne dans input_data spécifiant la série.

SERIES_VALUE => series

Nécessaire pour les prévisions multi-séries.

Série temporelle à prévoir. Peut être une valeur unique (par exemple, 'Series A'::variant) ou un VARIANT, mais doit spécifier une série sur laquelle le modèle a été entraîné. Si elle n’est pas spécifiée, toutes les séries entraînées sont prévues.

Facultatif :

CONFIG_OBJECT => config_object

OBJECT contenant des paires de clés de valeurs utilisées pour configurer la tâche de prévision.

Clé	Type	Par défaut	Description
prediction_interval	FLOAT	0,95	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] 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 ont échoué sont absentes de la sortie du modèle.

Sortie¶

La colonne SERIES n’est présente que pour les prévisions multiséries. Les prévisions à série unique n’ont pas cette colonne.

Syntaxe¶

<name>!EXPLAIN_FEATURE_IMPORTANCE();

Sortie¶

La colonne SERIES n’est présente que pour les prévisions multiséries. Les prévisions à série unique n’ont pas cette colonne.

Syntaxe¶

<name>!SHOW_EVALUATION_METRICS();

Sortie¶

La colonne SERIES n’est présente que pour les prévisions multiséries. Les prévisions à série unique n’ont pas cette colonne.

Syntaxe¶

<name>!SHOW_TRAINING_LOGS();

Sortie¶

La colonne SERIES n’est présente que pour les modèles multiséries. Les modèles à série unique n’ont pas cette colonne.