阿里云ACA 使用时间序列分解模型预测商品销量（二）

本文接上一篇使用时间序列分解模型预测商品销量———数据预处理

发表本博客的目的在于记录笔记，分享经验，无其他任何目的

2.1 数据预处理

这一步将会使用PAI中的四个组件：
“源/目标”–“读数据表”：从MaxCompute读取数据表至PAI；
“工具”–“SQL脚本”：可通过SQL脚本编辑器编写SQL语句；
“数据预处理”–“拆分”：可以对数据按比例或按阀值进行拆分；
“数据预处理”–“缺失值填充”：可以对数据的缺失值进行均值、中位数或按特定规则进行填充。

该实验需要使用的数据：
链接：https://pan.baidu.com/s/1LoDAfH3snlyIxYB6ueaTnA
提取码：37h8

下面我们创建数据源表，在DataWorks开发环境,新建一个ODPS SQL 操作节点

输入名字（自定义），点击“提交”按钮：

输入建表语句，点击运行：

建表语句：

CREATE TABLE transaction_details
(
TRANSACTION_ID string,
TRANS_DT datetime,
STORE_ID string,
CUSTOMER_ID string,
PRODUCT_ID string,
DEP string,
SUBDEP string,
CAT string,
SUBCAT string,
QUANTITY int,
UNIT_COST double,
UNIT_PRICE double,
FEATURE string
);

输入“select * from transaction_details limit 1;”,选中输入语句并执行，如图就表明创建成功

返回DataWorks的“数据开发”菜单，在界面单击“导入”箭头图标：

选择配置刚建的表“transaction_details”，点击“下一步”，配置数据源相关参数：


选择源和目标字段匹配方式，本实验可选择“按名称匹配”点击“导入数据”按钮

检查数据

2.导入实验数据

接下来的实验还需要进入机器学习平台，可以单击左上角菜单，进入“产品与服务”，选择“大数据(数加)”下的“机器学习PAI”，进入机器学习的控制台。