propriedades ts

Ícone do nó Série Tempo O nó Séries Temporais estima modelos de suavização exponencial, Média Móvel Integrada AutoRegressiva (ARIMA) univariada e ARIMA multivariada (ou função de transferência) para dados de séries temporais e produz previsões do desempenho futuro.

Tabela 1. propriedades de propriedades
Propriedades `ts`	Valores	Descrição da propriedade
`targets`	campo	O nó Séries Temporais prevê um ou mais destinos, utilizando, opcionalmente, um ou mais campos de entrada como preditores. Os campos de frequência e de ponderação não são utilizados. Veja Propriedades do nó de modelagem comum para obter mais informações.
`candidate_inputs`	[field1 ... fieldN]	Campos de entrada ou de preditores usados pelo modelo.
`use_period`	sinalização
`date_time_field`	campo
`input_interval`	`None` `Unknown` `Year` `Quarter` `Month` `Week` `Day` `Hour` `Hour_nonperiod` `Minute` `Minute_nonperiod` `Second` `Second_nonperiod`
`period_field`	campo
`period_start_value`	Número inteiro
`num_days_per_week`	Número inteiro
`start_day_of_week`	`Sunday` `Monday` `Tuesday` `Wednesday` `Thursday` `Friday` `Saturday`
`num_hours_per_day`	Número inteiro
`start_hour_of_day`	Número inteiro
`timestamp_increments`	Número inteiro
`cyclic_increments`	Número inteiro
`cyclic_periods`	lista
`output_interval`	`None` `Year` `Quarter` `Month` `Week` `Day` `Hour` `Minute` `Second`
`is_same_interval`	sinalização
`cross_hour`	sinalização
`aggregate_and_distribute`	lista
`aggregate_default`	`Mean` `Sum` `Mode` `Min` `Max`
`distribute_default`	`Mean` `Sum`
`group_default`	`Mean` `Sum` `Mode` `Min` `Max`
`missing_imput`	`Linear_interp` `Series_mean` `K_mean` `K_median` `Linear_trend`
`k_span_points`	Número inteiro
`use_estimation_period`	sinalização
`estimation_period`	`Observations` `Times`
`date_estimation`	lista	Só disponível se você usar `date_time_field`
`period_estimation`	lista	Só disponível se você usar `use_period`
`observations_type`	`Latest` `Earliest`
`observations_num`	Número inteiro
`observations_exclude`	Número inteiro
`method`	`ExpertModeler` `Exsmooth` `Arima`
`expert_modeler_method`	`ExpertModeler` `Exsmooth` `Arima`
`consider_seasonal`	sinalização
`detect_outliers`	sinalização
`expert_outlier_additive`	sinalização
`expert_outlier_level_shift`	sinalização
`expert_outlier_innovational`	sinalização
`expert_outlier_level_shift`	sinalização
`expert_outlier_transient`	sinalização
`expert_outlier_seasonal_additive`	sinalização
`expert_outlier_local_trend`	sinalização
`expert_outlier_additive_patch`	sinalização
`consider_newesmodels`	sinalização
`exsmooth_model_type`	`Simple` `HoltsLinearTrend` `BrownsLinearTrend` `DampedTrend` `SimpleSeasonal` `WintersAdditive` `WintersMultiplicative` `DampedTrendAdditive` `DampedTrendMultiplicative` `MultiplicativeTrendAdditive` `MultiplicativeSeasonal` `MultiplicativeTrendMultiplicative` `MultiplicativeTrend`	Especifica o método Suavização exponencial. O padrão é `Simple`.
`futureValue_type_method`	`Compute` `specify`	Se `Compute` for usado, o sistema calculará os Valores de futuro para o período previsto para cada preditor. Para cada preditor, é possível escolher em uma lista de funções (em branco, média de pontos recentes, valor mais recente) ou usar `specify` para inserir valores manualmente. Para especificar campos e propriedades individuais, use a propriedade `extend_metric_values`. Por exemplo: `set :ts.futureValue_type_method="specify" set :ts.extend_metric_values=[{'Market_1','USER_SPECIFY', [1,2,3]}, {'Market_2','MOST_RECENT_VALUE', ''},{'Market_3','RECENT_POINTS_MEAN', ''}]`
`exsmooth_transformation_type`	`None` `SquareRoot` `NaturalLog`
`arima.p`	Número inteiro
`arima.d`	Número inteiro
`arima.q`	Número inteiro
`arima.sp`	Número inteiro
`arima.sd`	Número inteiro
`arima.sq`	Número inteiro
`arima_transformation_type`	`None` `SquareRoot` `NaturalLog`
`arima_include_constant`	sinalização
`tf_arima.p.` fieldname	Número inteiro	Para funções de transferência.
`tf_arima.d.` fieldname	Número inteiro	Para funções de transferência.
`tf_arima.q.` fieldname	Número inteiro	Para funções de transferência.
`tf_arima.sp.` fieldname	Número inteiro	Para funções de transferência.
`tf_arima.sd.` fieldname	Número inteiro	Para funções de transferência.
`tf_arima.sq.` fieldname	Número inteiro	Para funções de transferência.
`tf_arima.delay.` fieldname	Número inteiro	Para funções de transferência.
`tf_arima.transformation_type.` fieldname	`None` `SquareRoot` `NaturalLog`	Para funções de transferência.
`arima_detect_outliers`	sinalização
`arima_outlier_additive`	sinalização
`arima_outlier_level_shift`	sinalização
`arima_outlier_innovational`	sinalização
`arima_outlier_transient`	sinalização
`arima_outlier_seasonal_additive`	sinalização
`arima_outlier_local_trend`	sinalização
`arima_outlier_additive_patch`	sinalização
`max_lags`	Número inteiro
`cal_PI`	sinalização
`conf_limit_pct`	real
`events`	campos
`continue`	sinalização
`scoring_model_only`	sinalização	Utilize para modelos com números muito grandes (dezenas de milhares) de séries temporais.
`forecastperiods`	Número inteiro
`extend_records_into_future`	sinalização
`extend_metric_values`	campos	Permite que você forneça valores futuros para preditores.
`conf_limits`	sinalização
`noise_res`	sinalização
`max_models_output`	Número inteiro	Controla quantos modelos são mostrados na saída. O padrão é `10`. Os modelos não são mostrados na saída se o número total de modelos construídos exceder esse valor. Os modelos ainda estão disponíveis para pontuação.
`missing_value_threshold`	duplo	Computa as medidas de qualidade de dados para a variável de horário e para os dados de entrada correspondentes a cada série temporal. Se a pontuação de qualidade dos dados for inferior a este limite, a série temporal correspondente será descartada.
`compute_future_values_input`	Booleano	`False`: calcular valores de futuro de entradas. `True`: Selecione campos cujos valores você deseje incluir nos dados.