sql 时间序列_使用SQL进行时间序列预测比您想象的要容易

sql 时间序列

Time series forecasting is a task I usually do with Python. You might be accustomed to other languages, such as R or Julia, but I bet never crossed your mind for this type of task. If that’s the case — keep reading — you’ll be surprised by how much can be accomplished with SQL only.

时间序列预测是我通常使用Python完成的任务。 您可能已经习惯了其他语言，例如R或Julia ，但是我敢打赌您永远不会想到这种类型的任务。 如果是这样的话-请继续阅读-仅使用SQL可以完成多少工作，您会感到惊讶。

I’ve previously written about performing classification tasks with SQL, so make sure to take a look it if that’s something you find interesting:

之前，我已经写过关于使用SQL执行分类任务的文章，因此如果您发现这很有趣，请务必看一下：

Time series are different than your average machine learning task. You can’t train the model once, and use it for months in production. Time series models must be trained with the entirety of history data, and new data points might come every hour, day, week, or month — varying from project to project.

时间序列不同于您的平均机器学习任务。 您不能一次训练模型，并且要在生产中使用数月。 时间序列模型必须使用全部历史数据进行训练，并且新数据点可能每个小时，一天，一周或一个月出现-因项目而异。

That’s why doing the training process in-database can be beneficial, if hardware resources are limited. Python will almost always consume more resources than the database.

这就是为什么在硬件资源有限的情况下在数据库中进行训练过程会有所裨益的原因。 Python几乎总是消耗比数据库更多的资源。

We’ll use Oracle Cloud once again. It’s free, so please register and create an instance of the OLTP database (Version 19c, has 0.2TB of storage). Once done, download the cloud wallet and establish a connection through SQL Developer — or any other tool.

我们将再次使用Oracle Cloud 。 它是免费的，因此请注册并创建OLTP数据库实例(版本19c，具有0.2TB的存储空间)。 完成后，下载云钱包并通过SQL Developer或任何其他工具建立连接。

This will take you 10 minutes at least but is a fairly straightforward thing to do, so I won’t waste time on it.

这至少要花10分钟，但这是一件很简单的事情，所以我不会在上面浪费时间。

Awesome! Let’s continue with the data loading.

太棒了！ 让我们继续数据加载。

资料载入 (Data loading