使用相關時間序列資料集

歷史時間序列：預測總時程內沒有資料點的時間序列。

前瞻性時間序列：資料點在預測總時程內的時間序列。

它不能包含來自目標時間序列的目標值。

它必須包括 item_id 和 timestamp 維度，以及至少一個相關特徵 (例如 price)。

相關時間序列功能資料必須是 int 或 float 資料類型。

若要使用整個目標時間序列，目標時間序列資料集中的所有項目也必須包含在相關的時間序列資料集中。如果相關時間序列僅包含目標時間序列中的料號子集，則模型建立與預測產生將限制為該特定料號子集。

例如，如果目標時間序列包含 1000 個料號，而相關的時間序列資料集僅包含 100 個料號，則模型與預測將僅以這 100 個料號為基礎。

在相關時間序列資料集中記錄資料的頻率，必須符合您要產生預測的間隔 (預測精細程度)。

例如，如果您想要以每週精細程度產生預測，則在相關時間序列中記錄資料的頻率也必須是每週，即使在目標時間序列中記錄資料的頻率是每日也一樣。

相關時間序列資料集中每個項目的資料都必須早於或從目標時間序列資料集中對應 item_id 的開頭 timestamp 開始。

例如，如果 socks 的目標時間序列資料從 2019-01-01 開始，而 shoes 的目標時間序列資料從 2019-02-01 開始，則 socks 的相關時間序列資料必須早於或在 2019-01-01 開始，而 shoes 的資料必須早於或在 2019-02-01 開始。

對於前瞻性相關的時間序列資料集，每個項目的最後時間戳記必須位於使用者指定的預測視窗 (稱為預測總時程) 的最後時間戳記上。

在以下的範例相關時間序列檔案中，襪子和鞋子的 timestamp 資料必須結束於 2019-07-01 或其後 (最後記錄的時間戳記)「加上」預測期間。如果目標時間序列中的資料頻率是每日且預測時程為 10 天，則必須在前瞻性的相關時間序列檔案中提供每日資料點，直到 2019-07-11。

對於歷史相關的時間序列資料集，每個項目的最後時間戳記都必須與目標時間序列中的最後一個時間戳記相符。

在下面的範例相關時間序列檔案中，襪子和鞋子的timestamp資料必須在 2019-07-01 (最後記錄的時間戳記) 結束。

相關時間序列資料集中提供的「Forecast」維度必須等於或是目標時間序列資料集中指定的維度子集。

相關時間序列不能缺少值。如需相關時間序列資料集中缺少值的詳細資訊，請參閱處理遺失的值。

目標時間序列資料集記錄的最後一個資料點為 2019-07-01。

預測期間為 10 天。

預測精細程度為每日 (D)。