Prophet으로 예측 수행

Prophet은 메타를 통해 유지되는 예측 모델입니다. 알고리즘 세부정보는 Prophet 자료, 라이브러리에 대한 자세한 내용은 해당 문서를 참조하세요.

BigQuery ML ARIMA_PLUS와 마찬가지로 Prophet은 각 시계열을 트렌드, 계절, 공휴일로 분할하고 이러한 모델의 추론 집계를 사용하여 예측을 생성하려고 시도합니다. 하지만 중요한 차이점은 BQML ARIMA+는 ARIMA를 사용하여 트렌드 구성요소를 모델링하는 반면 Prophet은 개별 로지스틱 또는 선형 모델을 사용하여 곡선에 맞추려 시도한다는 것입니다.

Google Cloud 는 Prophet 모델을 학습하기 위한 파이프라인과 Prophet 모델에서 일괄 추론을 수행하기 위한 파이프라인을 제공합니다. 두 파이프라인 모두 Google Cloud 파이프라인 구성요소(GCPC)의 Vertex AI Pipelines의 인스턴스입니다.

Prophet을 Vertex AI와 통합하면 다음을 수행할 수 있습니다.

• Vertex AI 데이터 분할 및 윈도잉 전략을 사용합니다.
• Cloud Storage에 저장된 BigQuery 테이블이나 CSV에서 데이터를 읽습니다. Vertex AI는 각 행의 형식이 Vertex AI 예측과 동일한 형식을 가질 것으로 예상합니다.

Prophet은 다변량 모델이지만 Vertex AI는 일변량 버전만 지원합니다.

이 워크플로에 사용되는 서비스 계정에 대한 자세한 내용은 테이블 형식 워크플로의 서비스 계정을 참조하세요.

워크플로 API

이 워크플로에서는 다음 API를 사용합니다.

• Vertex AI
• Dataflow
• BigQuery
• Cloud Storage

Prophet으로 모델 학습

Prophet은 단일 시계열을 위해 설계되었습니다. Vertex AI는 시계열 ID로 데이터를 집계하고 각 시계열에 대해 Prophet 모델을 학습합니다. 모델 학습 파이프라인은 그리드 검색 및 Prophet의 기본 제공되는 백테스트 논리를 사용하여 하이퍼파라미터 조정을 수행합니다.

여러 시계열을 지원하기 위해 파이프라인은 Vertex AI 커스텀 학습 작업 및 Dataflow를 사용하여 여러 Prophet 모델을 병렬로 학습합니다. 전반적으로 학습되는 모델 수는 시계열 수와 하이퍼파라미터 조정 시도 횟수의 곱입니다.

다음 샘플 코드에서는 Prophet 모델 학습 파이프라인을 실행하는 방법을 보여줍니다.

job = aiplatform.PipelineJob(
    ...
    template_path=train_job_spec_path,
    parameter_values=train_parameter_values,
    ...
)
job.run(service_account=SERVICE_ACCOUNT)

job.run()의 선택적 service_account 파라미터를 사용하면 Vertex AI Pipelines 서비스 계정을 원하는 계정으로 설정할 수 있습니다.

파이프라인과 파라미터 값은 다음 함수로 정의됩니다.

(
    train_job_spec_path,
    train_parameter_values,
) = utils.get_prophet_train_pipeline_and_parameters(
    ...
)

다음은 get_prophet_train_pipeline_and_parameters 파라미터의 하위 집합입니다.

Dataflow 파라미터

다음은 Dataflow 맞춤설정을 위한 get_prophet_train_pipeline_and_parameters 파라미터의 하위 집합입니다.

Prophet 학습 작업은 Dataflow에서 실행되므로 초기 시작 시간은 5~7분입니다. 추가 런타임을 줄이려면 수직 확장 또는 수평 확장을 수행할 수 있습니다. 예를 들어 수직 확장을 수행하려면 머신 유형을 n1-standard-1에서 e2-highcpu-8로 변경하면 됩니다. 수평 확장하려면 작업자 수를 1에서 200으로 늘릴 수 있습니다.

데이터 분할 파라미터

학습 파이프라인은 데이터 분할을 위해 다음과 같은 옵션을 제공합니다.

다음과 같이 get_prophet_train_pipeline_and_parameters에서 데이터 분할 파라미터를 정의합니다.

기간 파라미터

Vertex AI는 순환 기간 전략을 사용하여 입력 데이터에서 예측 기간을 생성합니다. 기간 파라미터를 설정하지 않은 상태로 두면 Vertex AI에서 기본 최대값이 100,000,000인 Count 전략을 사용합니다. 학습 파이프라인은 다음과 같은 순환 기간 전략을 제공합니다.

get_prophet_train_pipeline_and_parameters에서 기간 파라미터를 다음과 같이 정의합니다.

Prophet으로 추론 수행

Prophet을 위한 Vertex AI 모델 학습 파이프라인은 데이터의 각 시계열에 대해 하나의 Propet 모델을 만듭니다. 추론 파이프라인은 입력 데이터를 시계열 ID별로 집계하고 각 시계열에 대한 추론을 개별적으로 계산합니다. 그런 후 파이프라인은 Vertex AI 예측 형식과 일치하도록 추론 결과를 분리합니다.

다음 샘플 코드는 Prophet 추론 파이프라인을 실행하는 방법을 보여줍니다.

job = aiplatform.PipelineJob(
    ...
    template_path=prediction_job_spec_path,
    parameter_values=prediction_parameter_values,
    ...
)
job.run(...)

파이프라인과 파라미터 값은 다음 함수로 정의됩니다.

(
    prediction_job_spec_path,
    prediction_parameter_values,
) = utils.get_prophet_prediction_pipeline_and_parameters(
    ...
)

다음은 get_prophet_prediction_pipeline_and_parameters 파라미터의 하위 집합입니다.