写回答
-
建立更加完善的模型对商店(10个商店)和商品(50件商品)的所有组合进行预测。建立模型的第一步是准备数据。
1）训练数据主要有四列。对应的是每一种商店商品的组合，在特定日期的销量。然后，针对这些数据进行建模。
2）创建一个Prophet对象，建立模型。weekly和yearly被设为true，然后预测未来90天的趋势。
3）从预测数据中，抽取出一些需要的字段和历史数据。将历史数据和预测数据拼接到一起，设置结果数据中的商店ID和商品ID，返回数据集。将模型训练应用到每个商店和商品组合，将预测结果写入oss。
4）接下来，把OSS中的预测结果加载到spark里。选择时间戳，商店和的预测值。选择日期应大于2018年1月1号。根据时间和商店组合。
5）接下来，开始计算每个模型的测试指标。首先，定义一个UDF用于计算模型的测试指标。获取训练日期，计算训练指标，进行组装。
以上内容摘自《Databricks数据洞悉》电子书，点击https://developer.aliyun.com/topic/download?id=8545可下载完整版
2022-07-29 10:40:06赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
阿里云EMR是云原生开源大数据平台，为客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎，计算资源可以根据业务的需要调整。EMR可以部署在阿里云公有云的ECS和ACK平台。
