MOVING_AVERAGE
通过具有一致时间步长的平稳时间序列创建移动平均 (MA) 模型，此模型随后可用于通过 PREDICT_MOVING_AVERAGE 进行预测。
移动平均值模型使用早期预测误差进行未来预测。更具体地说，用户指定的 lag 决定了它在计算过程中要考虑多少先前的预测和错误。
由于输入数据必须按时间戳排序，因此，此算法为单线程算法。
这是元函数。您必须在顶级 SELECT 语句中调用元函数。
行为类型
易变语法
MOVING_AVERAGE ('model‑name', 'input‑relation', 'data‑column', 'timestamp‑column'
[ USING PARAMETERS
[ q = lags ]
[, missing = "imputation‑method" ]
[, regularization = "regularization‑method" ]
[, lambda = regularization‑value ]
[, compute_mse = boolean ]
] )
参数
-
model‑name - 标识要创建的模型，其中 model‑name 符合标识符中描述的约定。 同一架构中的序列、表、投影、视图和模型中也必须是唯一的。
-
input‑relation - 包含 timestamp‑column 的表或视图。
该算法需要平稳的时间序列作为输入；使用平均值随着时间变化的时间序列可能会导致结果欠佳。
-
data‑column - 包含因变量或结果的 NUMERIC 类型的输入列。
-
timestamp‑column - 表示时间戳变量的 INTEGER、FLOAT 或 TIMESTAMP 列。时间步长必须一致。
参数
q- [1, 67) 范围内的 INTEGER，表示计算中要考虑的滞后数。
默认值： 1
missing- 用于处理缺失值的方法，为以下之一：
-
drop：忽略缺失值。
-
error：缺失值会引发错误。
-
zero：将缺失值替换为 0。
-
linear_interpolation：将缺失值替换为基于缺失值前后最近的有效条目的线性插值。这意味着如果数据集中第一个或最后一个值缺失，会将其直接删除。
默认值： linear_interpolation
-
regularization- 拟合数据时使用的正则化方法，为以下之一：
-
无
-
L2：权重正则化项，即惩罚权重的平方值
默认值： 无
-
lambda- [0, 100000] 范围内的 FLOAT，正则化值 lambda。
默认值： 1.0
compute_mse- BOOLEAN，是否计算并输出均方误差 (MSE)。
此参数仅接受“true”或“false”，不接受 BOOLEAN 的标准字面量等效项，如 1 或 0。
默认值： False
示例
请参阅移动平均模型示例。