使用相關時間序列資料集

歷史時間序列：預測期間內沒有資料點的時間序列。

前瞻時間序列：具有預測時間範圍內資料點的時間序列。

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項目子集，則模型建立和預測產生將僅限於該特定項目子集。

例如，如果目標時間序列包含 1000 個項目，且相關的時間序列資料集僅包含 100 個項目，則模型和預測將僅以這 100 個項目為基礎。

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。

對於前瞻性相關時間序列資料集，每個項目的最後一個時間戳記必須位於使用者指定的預測時段 （稱為預測期間） 中的最後一個時間戳記。

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為每日，且預測期間為 10 天，則必須在 2019-07-11 之前，在前瞻性相關時間序列檔案中提供每日資料點。

對於歷史相關時間序列資料集，每個項目的最後一個時間戳記必須符合目標時間序列中的最後一個時間戳記。

在下面的時間序列檔案中，襪子和鞋子timestamp的資料都必須在 2019-07-01 （上次記錄的時間戳記） 結束。

相關時間序列資料集中提供的預測維度必須等於或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遺失值的資訊，請參閱處理遺失值。

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)。