1. 總覽
本實驗室的學習內容如下：
- 建立代管資料集
- 從 Google Cloud Storage 值區匯入資料
- 更新欄中繼資料，以便適當搭配 AutoML 使用
- 使用預算和最佳化目標等選項訓練模型
- 進行線上批次預測
2. 查看資料
本實驗室會使用 BigQuery 公開資料集的愛荷華州酒類銷售資料集。這個資料集包含 2012 年以來愛荷華州的酒類批發採購資料。
選取「查看資料集」即可查看原始資料。如要存取表格，請在左側導覽列中依序前往「bigquery-public-datasets」專案、「iowa_liquor_sales」資料集和「sales」表格。選取「預覽」即可查看資料集中的部分資料列。
在本實驗室中，我們已完成一些基本資料前處理作業，將購買交易依日期分組。我們會使用從 BigQuery 資料表匯出的 CSV 檔案。CSV 檔案中的資料欄如下：
- ds：日期
- y：當天所有購買交易的總金額 (以美元計)
- holiday：布林值，表示日期是否為美國節日
- id：時間序列 ID (支援多個時間序列，例如依商店或產品)。在本例中，我們只會預測一個時間序列的整體購買量，因此每列的 ID 都會設為 0。
3. 匯入資料
步驟 1：前往 Vertex AI 資料集
在 Cloud 控制台的左側導覽列中，存取 Vertex AI 選單中的「資料集」。
步驟 2：建立資料集
建立新資料集，選取「表格資料」，然後選取「預測」問題類型。選擇 iowa_daily 或其他名稱。
步驟 3：匯入資料
下一步是將資料匯入資料集。選擇「從 Cloud Storage 選取 CSV 檔案」選項。接著，前往 AutoML Demo Alpha bucket 中的 CSV 檔案，並貼上 automl-demo-240614-lcm/iowa_liquor/iowa_daily.csv。
4. 訓練模型
步驟 1：設定模型功能
幾分鐘後，AutoML 會通知您匯入作業已完成。屆時您就能設定模型功能。
- 選取「時間序列 ID 欄」做為 ID。我們的資料集中只有一個時間序列，因此這只是形式上的做法。
- 選取要 ds 的「時間」欄。
然後選取「產生統計資料」。程序完成後，您會看到「遺漏 %」和「不重複值」統計資料。這項程序可能需要幾分鐘，因此你可以先進行下一個步驟。
步驟 2：訓練模型
選取「訓練模型」即可開始訓練程序。確認已選取 AutoML，然後按一下「繼續」。
步驟 3：定義模型
- 選取要設為 y 的「目標資料欄」。這就是我們要預測的值。
- 如果先前未設定，請將「時間序列 ID」欄設為 id，並將「時間戳記」欄設為 ds。
- 將「資料精細程度」設為「天」，並將「預測期間」設為「7」。這個欄位會指定模型可預測的未來週期數。
- 將「背景期間」設為 7 天。模型會使用過去 30 天的資料進行預測。較短和較長的區間各有優缺點，一般建議選取預測期間的 1 至 10 倍。
- 勾選「將測試資料集匯出至 BigQuery」方塊。您可以將此欄位留空，系統會自動在專案中建立資料集和資料表 (或指定您選擇的位置)。
- 選取「繼續」。
步驟 4：設定訓練選項
在這個步驟中，您可以指定更多模型訓練方式的詳細資料。
- 將「holiday」欄設為「Available」，因為我們提前知道指定日期是否為假日。
- 將「最佳化目標」變更為「MAE」。相較於均方誤差，平均絕對誤差 (MAE) 或平均誤差較不受離群值影響。由於我們處理的是每日購買資料，這類資料的波動幅度可能很大，因此 MAE 是適用的指標。
- 選取「繼續」。
步驟 5：啟動訓練
設定所需預算，在本例中，1 個節點時數就足以訓練模型。接著開始訓練程序。
步驟 6：評估模型
訓練程序可能需要 1 到 2 小時才能完成 (包括任何額外的設定時間)。訓練完成後，你會收到電子郵件通知。準備就緒後，您就可以查看所建模型的準確度。
5. 預測
步驟 1：查看測試資料的預測結果
前往 BigQuery 控制台，查看測試資料的預測結果。系統會在專案中自動建立新資料集，命名方式為：export_evaluated_data_items + <model name> + <timestamp>。您可以在該資料集中找到 evaluated_data_items 資料表，並查看預測結果。
這個表格有幾個新資料欄：
- predicted_on_[日期欄]：預測日期。舉例來說，如果 predicted_on_ds 為 11/4，而 ds 為 11/8，則預測提前 4 天。
- predicted_[目標資料欄].tables.value：預測值
步驟 2：執行批次預測
最後，您會想使用模型進行預測。
輸入檔案包含要預測日期的空值，以及歷來資料：
ds | holiday | id | y |
2020 年 5 月 15 日 | 0 | 0 | 1751315.43 |
2020 年 5 月 16 日 | 0 | 0 | 0 |
2020 年 5 月 17 日 | 0 | 0 | 0 |
2020 年 5 月 18 日 | 0 | 0 | 1612066.43 |
2020 年 5 月 19 日 | 0 | 0 | 1773885.17 |
2020 年 5 月 20 日 | 0 | 0 | 1487270.92 |
2020 年 5 月 21 日 | 0 | 0 | 1024051.76 |
2020 年 5 月 22 日 | 0 | 0 | 1471736.31 |
2020 年 5 月 23 日 | 0 | 0 | <empty> |
2020/5/24 | 0 | 0 | <empty> |
2020 年 5 月 25 日 | 1 | 0 | <empty> |
2020 年 5 月 26 日 | 0 | 0 | <empty> |
2020/5/27 | 0 | 0 | <empty> |
2020/5/28 | 0 | 0 | <empty> |
2020 年 5 月 29 日 | 0 | 0 | <empty> |
在 AI Platform (Unified) 左側導覽列中，選取「批次預測」項目，即可建立新的批次預測。
系統已在儲存空間 bucket 中為您建立範例輸入檔案：automl-demo-240614-lcm/iowa_liquor/iowa_daily_automl_predict.csv
你可以提供這個來源檔案位置。接著，您可以選擇將預測結果匯出至雲端儲存空間 (CSV 格式) 或 BigQuery。在本實驗室中，請選取「BigQuery」，然後選擇「您的 Google Cloud 專案 ID」。
批次預測程序需要幾分鐘才能完成。完成後，您可以點選批次預測工作來查看詳細資料，包括「匯出位置」。在 BigQuery 中，您需要前往左側導覽列中的專案 / 資料集 / 資料表，才能存取預測結果。
這項工作會在 BigQuery 中建立兩個不同的資料表。一個包含有錯誤的列，另一個則包含預測結果。以下是「預測」表格的輸出範例：
步驟 3：結論
恭喜！您已成功使用 AutoML 建構及訓練預測模型。在本實驗室中，我們介紹了如何匯入資料、建構模型及進行預測。
您已準備好建構自己的預測模型！