Configuration Fondamentale de l'Action Arima

Pour exécuter l'action , trois paramètres sont absolument essentiels : : Ce paramètre spécifie la table de données d'entrée CAS (Cloud Analytic Services) qui contient la série temporelle à analyser. Sans cette table, l'action n'a aucune donnée à traiter. : Il définit l'intervalle de temps ou la fréquence des données de la série temporelle (par exemple, 'MONTH' pour des données mensuelles, 'DAY' pour des données journalières). Cette information est cruciale pour que l'action puisse correctement comprendre la structure temporelle des données. : Ce paramètre est une liste d'objets, où chaque objet spécifie une série à modéliser et ses options de modélisation. Au minimum, chaque objet doit inclure le sous-paramètre , qui est le nom de la variable de la série temporelle dans la table d'entrée. C'est autour de cette variable que le modèle ARIMA sera construit.Ces trois éléments constituent la base minimale requise pour initier toute analyse ou prévision avec l'action .

Quels sont les paramètres obligatoires pour utiliser l'action 'arima' ? - arima

Pour exécuter l'action arima, trois paramètres sont absolument essentiels :

table : Ce paramètre spécifie la table de données d'entrée CAS (Cloud Analytic ServicesMoteur d'exécution in-memory de SAS Viya. Il assure le traitement massivement parallèle (MPP) et distribué des données pour optimiser les performances analytiques et le passage à l'échelle.) qui contient la série temporelleSuite d'observations recueillies à intervalles réguliers au cours du temps. Utilisée pour identifier des tendances, des cycles et effectuer des prévisions (via proc TSMODEL ou FORECAST). à analyser. Sans cette table, l'action n'a aucune donnée à traiter.
interval : Il définit l'intervalle de temps ou la fréquence des données de la série temporelleSuite d'observations recueillies à intervalles réguliers au cours du temps. Utilisée pour identifier des tendances, des cycles et effectuer des prévisions (via proc TSMODEL ou FORECAST). (par exemple, 'MONTH' pour des données mensuelles, 'DAY' pour des données journalières). Cette information est cruciale pour que l'action puisse correctement comprendre la structure temporelle des données.
series : Ce paramètre est une liste d'objets, où chaque objet spécifie une série à modéliser et ses options de modélisationProcessus de création de structures mathématiques ou statistiques sur SAS Viya pour prédire des comportements, classifier des données ou identifier des tendances à partir de jeux de données CAS.. Au minimum, chaque objet series doit inclure le sous-paramètre name, qui est le nom de la variable de la série temporelleSuite d'observations recueillies à intervalles réguliers au cours du temps. Utilisée pour identifier des tendances, des cycles et effectuer des prévisions (via proc TSMODEL ou FORECAST). dans la table d'entrée. C'est autour de cette variable que le modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). ARIMAModèle statistique de séries temporelles utilisé dans SAS Viya pour l'analyse et la prévision. Il combine processus autorégressifs, moyenne mobile et différenciation pour traiter des données stables. sera construit.

Ces trois éléments constituent la base minimale requise pour initier toute analyse ou prévision avec l'action arima.

Schéma : Quels sont les paramètres obligatoires pour utiliser l'action 'arima' ?

Exemples pour l'action arima

Modèle ARIMA simple (Autorégressif d'ordre 1 avec Différenciation)

Cet exemple ajuste un modèle ARIMA(1,1,0) sur notre série de ventes et génère des prévisions pour les 6 prochains mois.

Modèle SARIMA complet avec statistiques avancées et gestion des valeurs manquantes

Nous allons plus loin en paramétrant un modèle ARIMA avec gestion des valeurs manquantes (setMiss='AVG'), une méthode des moindres carrés conditionnels ('CLS') et l'exportation de multiples tables d'ajustement. Idéal pour briller en présentation ! %%https://go.documentation.sas.com/doc/en/pgmsascdc/v_069/casactecon/cas-unitimeseries-arima.htm#SAS.cas-unitimeseries-arima-outstat%%

Vous pourriez aussi aimer...

Conseil de l'Expert

Ne vous contentez pas de spécifier l'intervalle. Assurez-vous que votre variable temporelle est formatée en SAS Date ou Datetime avant le chargement en CAS. L'action arima utilise l'indexation temporelle pour gérer les valeurs manquantes (alignement), et un format incorrect provoquera l'échec de la segmentation des données par le thread controller.

Exigences Techniques et Structurelles

Alignement du Time Id : Le paramètre timeId est techniquement obligatoire dès lors que vous utilisez interval, car il définit la colonne pivot pour la séquence chronologique.
Variable Dépendante (Dependent) : Vous devez spécifier au moins une variable dans la liste depVar pour définir la série cible à modéliser.
Mémoire Distribuée (CASOut) : Pour une utilisation en production, le paramètre casOut est indispensable afin de persister les résultats de l'estimation et des prévisions sans saturer le spool de session.
Contrôle de la Saisonnalité : Contrairement à l'ancienne PROC ARIMA, l'action Viya nécessite souvent la définition explicite de la hiérarchie via le paramètre seasonality si l'intervalle est complexe ou personnalisé.