使用相关时间序列数据集

历史时间序列：预测范围内没有数据点的时间序列。

前瞻性时间序列：预测范围内有数据点的时间序列。

它不能包括目标时间序列中的目标值。

它必须包含 item_id 和 timestamp 维度，并且必须至少包含一个相关特性（例如 price）。

相关时间序列特性数据必须为 int 或 float 数据类型。

为了使用整个目标时间序列，目标时间序列数据集中的所有项目还必须包含在相关时间序列数据集中。如果相关时间序列仅包含目标时间序列中的项目子集，则模型创建和预测生成将仅限于该特定项目子集。

例如，如果目标时间序列包含 1000 个项目，而相关时间序列数据集仅包含 100 个项目，则模型和预测将仅基于这 100 个项目。

对于在相关时间序列数据集中记录数据的频率，必须与您希望生成预测的时间间隔（预测粒度）匹配。

例如，如果要按照每周粒度生成预测数据，则在相关时间序列中记录数据的频率也必须为每周记录，即使在目标时间序列中记录数据的频率是每天也是如此。

相关时间序列数据集中每个项目的数据必须在目标时间序列数据集中对应 item_id 的起始 timestamp 之时或之前开始。

例如，如果 socks 的目标时间序列数据从 2019-01-01 开始，而 shoes 的目标时间序列数据从 2019-02-01 开始，则 socks 的相关时间序列数据必须在 2019-01-01 当天或之前开始，shoes 的数据必须在 2019-02-01 当天或之前开始。

对于前瞻性相关时间序列数据集，每个项目的最后一个时间戳必须在用户指定的预测时段（称为预测范围）中最后一个时间戳之时。

在下面的示例相关时间序列文件中，袜子和鞋子的 timestamp 数据的结束时间必须在 2019-07-01（最后记录的时间戳）加上 预测范围之时或之后。如果目标时间序列中的数据频率是每天，而预测范围是 10 天，则前瞻性相关时间序列文件中必须提供每日数据点，直到 2019-07-11。

对于历史相关时间序列数据集，每个项目的最后一个时间戳必须与目标时间序列中的最后一个时间戳相匹配。

在下面的示例相关时间序列文件中，袜子和鞋子的 timestamp 数据的结束时间必须为 2019-07-01（最后记录的时间戳）。

相关时间序列数据集中提供的 Forecast 维度必须等于目标时间序列数据集中指定的维度或是该维度的子集。

相关时间序列不能有缺失值。有关相关时间序列数据集中缺失值的信息，请参阅处理缺失值。

目标时间序列数据集中的最后一个数据点是在 2019-07-01 记录的。

预测范围是 10 天。

预测粒度为每天 (D)。