選取演算法

選取要用於進階預測的演算法。

若要定義用於進階預測的演算法，請執行下列動作：

1. 在選取演算法區段中，選取要使用的演算法：

   • Oracle AutoMLx — 一個由 10 個演算法 (包括單變量與多變量) 組成的專屬套件；可自動為指定的誤差測量選取最佳模型。此套件會執行所有這些演算法，並為您選取具有最佳結果的最佳選項。

     • 對您的資料執行各種統計模型和機器學習演算法。
     • 調整並驗證模型。
     • 為您的資料尋找最佳模型。
     • 使您的資料符合最佳模型。

   • Light GBM — Light Gradient Boosting 是一種集成式與樹狀式的快速高效率演算法，適用於較大型的資料集。最適用於時間權重比其他功能低的資料集。

   • XGBoost — Extreme Gradient Boosting 是一種集成式與樹狀式演算法，最適用於時間權重比其他功能低的資料集。

   • Prophet — 時間序列演算法，最適用於具有強烈季節性效果和數季歷史資料的資料。

   • SARIMAX — 具有異質演算法的 Arima。

2. 選取要用於所選演算法的預測誤差評量，以定義演算法應如何選取最佳模型。它會根據選取的誤差評量將模型訓練最佳化，以判斷要用於預測的最佳選項。ML 引擎會從資料中學習模式，並尋找最佳選項來盡可能減少誤差。ML 引擎會依據您選取的誤差評量評估每個重複，然後選取誤差評量最低時的重複。
   • sMAPE — 對稱平均絕對百分比誤差
   • MAPE — 平均絕對百分比誤差
   • RMSE — 均方根誤差

   藉由使用您選擇的誤差測量，「進階預測」會：

   • 選擇誤差最小的模型作為最佳模型。
   • 針對最佳模型：
     • 產生與輸入序列對應的適配序列。
     • 產生期間的預測。