Добро пожаловать в сообщество Tencent Cloud +, чтобы получить больше обширной технической практики Tencent по галантерее ~
Эта статья написанаЗонгвенОпубликован вКолонка «Облако + сообщество»
Введение Использование исторических данных для прогнозирования будущего на основе временных рядов.
Многие данные в нашей жизни имеют временное измерение. Например, погода или курсы акций. Для такого рода данных с временными рядами существует модель прогнозирования, основанная на временных рядах --- Prophet.
Выше указан адрес проекта, и друзья, которым он нужен, могут зайти на него, чтобы посмотреть, что это такое. Что я в основном делаю, так это использую эту модель для прогнозирования будущих тенденций изменений хранилища базы данных Tencent Cloud. Давайте посмотрим на силу Пророка.
Как упоминалось ранее, Prophet — это модель, основанная на временных рядах, поэтому время является в ней самым важным измерением (если вам нужно предсказать собственные данные, они должны быть в формате фиксированного времени pandas). Начните прямо сейчас смотреть на результаты.
Вертикальная ось - это общая сумма покупки базы данных определенного типа в облаке Tencent.. Видно, что с увеличением времени общая сумма покупки базы данных все еще увеличивается. Что должен сделать Пророк, так это оценить будущую тенденцию данных на основе исторической производительности данных. В качестве тестового набора для эксперимента я выбрал данные с января по июнь 2018 года. Черные точки - это истинные значения, а синие области - оценочные значения, предсказанные моделью. Видно, что тенденция общей расчетной мощности увеличивается с течением времени, но область неопределенности становится все больше и больше с течением времени. времени (синяя область на рисунке), также можно считать, что неопределенность со временем увеличивается. Давайте посмотрим, точны ли истинное значение и предсказанное моделью значение:
Значения после июня на рисунке — это тестовый набор модели, а красная область — относительная ситуация между значениями, которые модель не видела, и оценочными значениями. Хорошо видно, что оценка модели достаточно точна. Может найдется много друзей, которые захотят спросить, а почему в конце апреля будет постановочный прыжок? То есть Pinduoduo, крупный клиент нашего Tencent Cloud, недавно заработал много денег.
Конечно, модель можно оценивать не только на месяцы, но и на более длительные периоды времени, но со временем она может стать менее точной.
Дело здесь! ! !
Это так же просто, как предсказать емкость?
Конечно, нет. . Есть два основных аспекта:
1. Можем предоставить услуги для себя:
(1) Может предоставить нам оценку потенциальных клиентов. (Например, очевидно, что компания в последние месяцы быстро покупала услуги баз данных, но эта компания не является нашим крупным заказчиком. Поэтому найти его с помощью простого ранжирования мощностей сложно. Но Пророк может прикинуть, кто может стать впоследствии , Крупные клиенты, поэтому мы можем сообщить архитекторам, кто наши потенциальные клиенты.)
(2) Оценивая общий объем нашей базы данных или общий объем базы данных одного клиента, мы можем сказать, когда клиенту необходимо расшириться, чтобы мы могли лучше подготовиться к нашим собственным услугам.
2. Мы также можем обслуживать наших клиентов:
(1) Клиенты могут анализировать параметры, выбранные путем самостоятельного изучения, что эквивалентно услуге SaaS.
(2) Клиенты также могут проанализировать потребление, связанное с приобретенным CVM, чтобы выбрать наиболее разумную конфигурацию.
Напоследок кратко расскажем о внутреннем устройстве модели.
Пророк — это аддитивная регрессионная модель, общая конструкция которой выглядит следующим образом:
y(t) = g(t)+s(t)+h(t)+et
В основном он состоит из трех частей: рост (тенденция роста), сезонность (сезонная тенденция) и праздники (влияние праздников на прогнозируемое значение). где g(t) представляет собой функцию роста, которая используется для соответствия апериодическому изменению прогнозируемого значения во временном ряду. Компоненты тренда аппроксимируются кусочно-линейными или логистическими кривыми роста. Пророк будет находить поворотные точки в данных и автоматически определять изменения тренда s(t), используемые для представления циклических изменений, таких как еженедельные, сезонные в каждом году и т. д. Сезонные компоненты, смоделированные с помощью ряда Фурье, в годах. Сезонные компоненты представлены фиктивными переменными, а h(t) в неделях представляет влияние потенциальных праздников с нефиксированными периодами на прогнозируемое значение во временном ряду. et — шумовой термин.
вопросы и ответы
Проблема с облачной базой данных?
Связанное Чтение
Пэн Лэй: Реализация архитектуры TencentHub
Миграция публичной учетной записи Wechat без сервера Подробное объяснение
Эта статья была разрешена автором для публикации сообщества Tencent Cloud +, исходная ссылка: https://cloud.tencent.com/developer/article/1155229?fromSource=waitui.
Добро пожаловать в сообщество Tencent Cloud+ или подпишитесь на общедоступную учетную запись WeChat облачного сообщества (QcloudCommunity), чтобы как можно скорее получить больше массовой технической практики по сухим товарам~
Огромный технический практический опыт, все вСообщество Юнцзя!