統計的手法

現在、予測サービスはProphetをサポートしており、ほとんどのデータで効率的かつ確実に動作することが示されています。 Prophetは、Metaによって開発されたオープンソースの予測パッケージです。 データをトレンド、季節、イベントの要素に分解します。 預言者モデルは効率的で、多くの予測アプリケーションに合わせて適切に拡張します。 さらに、モデルは外れ値や欠落データに対しても効果的です。

将来的には、ヒューリスティクスに基づいてモデルを選択する計画があります。例えば、ストリーミングデータに対するオンライン近似ガウス処理、ユーザーが最適な予測精度を指定し、長い待ち時間に耐えることができる場合のNeuralProphetを選択します。

データポイントが多すぎると、サービスは自動的にデータをダウンスケールし、応答時間を確保します。 目標応答時間は約3秒に設定されています。 現在、データポイント数が5500を超える場合、時系列データはデータ長に応じて適応的にダウンサンプリングされます。 出力は元のデータ周波数に戻されるため、アダプティブサンプリングプロセスはユーザーエクスペリエンスに影響を与えません。

複数年のデータが利用可能な場合、休日の影響が考慮されます。 現在、考慮されている休日のリストは次のとおりです。

また、シックスシグマ範囲外のデータポイントを削除するなど、単純な異常値（異常値）の削除も実行できます。 これは、すべてのデータポイントが有効であると仮定されるため、デフォルトでは有効になっていません。 異常値は、一般的に予言者モデルが異常値に対して回復力を持つとしても、モデルの品質に悪影響を与える可能性があります。

このサービスは、ユーザーが指定した季節設定（毎日や毎週の季節設定など）を受け付けます。 それ以外の場合、モデルは自動的に季節性を選択します。 データの精度が異なれば、このサービスはさまざまな長さの履歴データを使用して予測モデルを構築します。 例えば、日次データの場合、1年以上のデータが取得されます（使用可能な場合）。 時間単位のデータの場合は、8週間のデータが取得されます（使用可能な場合）。 データを取得するのは時間がかかり、時には待ち時間が長くなることもあります。

異なる時間の精度に必要な履歴データ：

指定された各時間の予測結果には、予測区間（下限と上限で定義）が含まれ、将来の観測値が95%含まれることが期待されます。この区間は信頼区間と呼ばれます。 サービスの将来の予測に制限はありません。 しかし、予測の不確実性は、時間の経過とともにより広い予測間隔によって反映され、将来の日付とともに増加します。

このサービスは、ユーザーデータに関する仮定を一切行っていません。 例えば、サービスは、データが負でないことを前提としません。 これは、観測されたデータポイントがすべて負ではないにもかかわらず、データが強い下降傾向を示す場合、予測とその境界が負になる可能性があることを意味します。

参照