Да, это так. При моделировании с использованием многомерных временных рядов интерес представляют временные ряды, тогда как другие временные ряды будут использоваться для прогнозирования. Формат данных выглядит точно так же, как в этом примере (не указывается c для AI без драйверов) или в документах H2O.ai для конкретного примера временного ряда , где целевой временной ряд равен Weekly_Sales и другие переменные временного ряда: Temperature и Fuel_Price.
Существует несколько параметров, относящихся к настройке многомерного временного ряда:
- Недоступно во время прогнозирования : укажите другие столбцы временных рядов (помимо целевого столбца), в которых будут созданы только связанные с задержкой объекты.
- Вероятность создания нецелевых элементов задержки : укажите значение вероятности для создания нецелевых объектов задержки (любое значение от 0 до 1). В случае многомерных временных рядов это значение может go достигать 0,9 или даже 1, если целевая задержка не должна использоваться для прогнозов.
ОБНОВЛЕНИЕ
В духе вопроса Многовариантный по сравнению с несколькими временными рядами добавление дополнительной информации о моделировании временных рядов с помощью AI без драйверов. Он также поддерживает несколько временных рядов (против многомерных временных рядов выше), используя столбцы временных групп (TG C) . Фактически, любой набор данных временных рядов автоматически анализируется для идентификации таких групп (альтернативно, TG C явно указывается пользователем). Рассматривая TG C как категорический ИИ без водителя, строит несколько временных рядов - по одному для каждой уникальной комбинации значений в TG C.
Следующие настройки позволяют пользователю уточнить, как модель временного ряда использует TG C:
* 1049 Функция * TG C работает в сочетании с многомерными временными рядами, поэтому для каждой группы AI без драйверов поддерживает функции многомерных временных рядов, как описано выше.