附录
附录 A. 输入与输出数据集¶
有两个输入数据集：一个用于 Training 阶段，一个用于 Execution 阶段。
有七个输出数据集：四个用于 Training 阶段，三个用于 Execution 阶段。
建议将以下输出数据集中的每个数值字段设置为五位小数，以避免因数值过大而导致的错误。
从 Tagetik SP31 版本开始，可以将数据源用作 Training 和 Execution 两个阶段的输入。
A.1 输入 Training 数据集¶
该数据集包含历史数据：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- REF_DATE_1：标识序列时间的第一个字段（文本）
- REF_DATE_2：标识序列时间的第二个字段（文本）
- …
- AMOUNT：每个序列的金额（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE：变量的名称
- TARGET_WEIGHTS：用于标识目标变量并在验证期间为数据点关联权重的权重（从 0 到 1）
REF_DATE 和 DIMENSION 列的数量可能因上下文而异。
例如：
| OID | DIMENSIONS_0 | TARGET_WEIGHTS | REF_DATE_1 | REF_DATE_2 | AMOUNT | MEASURE |
|---|---|---|---|---|---|---|
| ab23c617 | EN_01 | 1 | 2025_ACTUAL | 01 | 7530 | VOLUME |
| ab23c618 | EN_01 | 1 | 2025_ACTUAL | 02 | 8593 | VOLUME |
| ab23c640 | EN_01 | 1 | 2025_ACTUAL | 03 | 9850 | VOLUME |
| … | … | … | … | … | … | … |
A.2 输入 Execution 数据集¶
该数据集包含用于预测的数据：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- REF_DATE_1：标识序列时间的第一个字段（文本）
- REF_DATE_2：标识序列时间的第二个字段（文本）
- …
- AMOUNT：每个序列的金额（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE：变量的名称
REF_DATE 和 DIMENSION 列必须根据训练步骤进行定义。
例如：
| OID | DIMENSIONS_0 | TARGET_WEIGHTS | REF_DATE_1 | REF_DATE_2 | AMOUNT | MEASURE |
|---|---|---|---|---|---|---|
| ab23c617 | EN_01 | 1 | 2026_ACTUAL | 01 | 8510 | VOLUME |
| ab23c618 | EN_01 | 1 | 2026_ACTUAL | 02 | 9892 | VOLUME |
| ab23c640 | EN_01 | 1 | 2026_ACTUAL | 03 | 9979 | VOLUME |
| … | … | … | … | … | … | … |
A.3 用于 Metrics 的输出 Training 数据集¶
该数据集包含模型的度量：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- AMOUNT：每个序列的度量值（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE：变量的名称
- METRIC：度量（文本）
例如：
| OID | DIMENSIONS_0 | AMOUNT | METRIC | MEASURE |
|---|---|---|---|---|
| ab23c617 | EN_01 | 0.045 | MAPE | VOLUME |
| ab23c700 | EN_01 | 0.140 | R2 | SALES |
| … | … | … | … | … |
A.4 用于 Fit 的输出 Training 数据集
该数据集包含模型的拟合值：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- REF_DATE_1：标识序列时间的第一个字段（文本）
- REF_DATE_2：标识序列时间的第二个字段（文本）
- …
- FIT：每个序列的拟合金额（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE：变量的名称
例如：
| OID | DIMENSIONS_0 | REF_DATE_1 | REF_DATE_2 | FIT | MEASURE |
|---|---|---|---|---|---|
| ab23c617 | EN_01 | 2025_ACTUAL | 01 | 8610 | VOLUME |
| ab23c618 | EN_01 | 2025_ACTUAL | 02 | 9800 | VOLUME |
| ab23c640 | EN_01 | 2025_ACTUAL | 03 | 9974 | VOLUME |
| … | … | … | … | … | … |
A.5 用于 Importance 的输出 Training 数据集¶
该数据集包含模型的预测：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- IMPORTANCE：每个序列的外部特征重要性值（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE_TARGET：目标变量的名称
- VARIABLE：外部特征的名称（文本）
- LAG：外部特征的滞后（文本）**
** 如果变量（外部特征）是季节性特征，则 lag 列包含该变量的季节性信息。如果变量是维度特征，则 lag 列保持空白。
例如：
| OID | DIMENSIONS_0 | VARIABLE | LAG | IMPORTANCE | MEASURE_TARGET |
|---|---|---|---|---|---|
| ab23c617 | EN_01 | PRICE | -1 | 0.30 | VOLUME |
| ab23c618 | EN_01 | PRICE_SEASONALITY | 6 | 0.25 | VOLUME |
| ab23c640 | EN_01 | DIMENSIONS_0 | 0.45 | VOLUME |
A.6 用于 Contribution 的输出 Training 数据集¶
该数据集包含模型外生变量的贡献：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- REF_DATE_1：标识序列时间的第一个字段（文本）
- REF_DATE_2：标识序列时间的第二个字段（文本）
- …
- CONTRIBUTION：每个序列的外部特征贡献值（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE_TARGET：目标变量的名称
- VARIABLE：外部特征的名称（文本）
- LAG：外部特征的滞后（文本）**
** 如果变量（外部特征）是季节性特征，则 lag 列包含该变量的季节性信息。如果变量是维度特征，则 lag 列保持空白。
例如：
| OID | DIMENSIONS_0 | VARIABLE | LAG | CONTRIBUTION | REF_DATE_0 | REF_DATE_1 | MEASURE_TARGET |
|---|---|---|---|---|---|---|---|
| ab23c617 | EN_01 | PRICE | -1 | 200 | 2025_ACTUAL | 01 | VOLUME |
| ab23c618 | EN_01 | PRICE_SEASONALITY | 6 | 60 | 2025_ACTUAL | 01 | VOLUME |
| ab23c640 | EN_01 | DIMENSIONS_0 | 15 | 2025_ACTUAL | 01 | VOLUME | |
| … | … | … | … | … | … |
A.7 用于 Forecast 的输出 Execution 数据集¶
该数据集包含模型的预测：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- REF_DATE_1：标识序列时间的第一个字段（文本）
- REF_DATE_2：标识序列时间的第二个字段（文本）
- …
- FORECAST：每个序列的预测金额（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE：变量的名称
- LOWER：置信区间的下界
- UPPER：置信区间的上界
- IS_OUTLIER_PREDICTION：离群值/非离群值的预测
- OUTLIER_PROBABILITY：为离群值的概率
例如：
| OID | DIMENSIONS_0 | REF_DATE_1 | REF_DATE_2 | FORECAST | MEASURE | UPPER | LOWER | IS OUTLIER PREDICTION | OUTLIER PROBABILITY |
|---|---|---|---|---|---|---|---|---|---|
| ab23c617 | EN_01 | 2025_ACTUAL | 01 | 8610 | VOLUME | 1000 | 7220 | 1 | 0.7 |
| ab23c618 | EN_01 | 2025_ACTUAL | 02 | 9800 | VOLUME | 1200 | 7600 | 0 | 0.1 |
| ab23c640 | EN_01 | 2025_ACTUAL | 03 | 9974 | VOLUME | 1300 | 6.948 | 0 | 0.2 |
| … | … | … | … | … | .. | … | … |
A.8 用于 Importance 的输出 Execution 数据集¶
该数据集包含模型的预测：
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- IMPORTANCE：每个序列的外部特征重要性值（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE_TARGET：目标变量的名称
- VARIABLE：外部特征的名称（文本）
- LAG：外部特征的滞后（文本）**
** 如果变量（外部特征）是季节性特征，则 lag 列包含该变量的季节性信息。如果变量是维度特征，则 lag 列保持空白。
例如：
| OID | DIMENSIONS_0 | VARIABLE | LAG | IMPORTANCE | MEASURE_TARGET |
|---|---|---|---|---|---|
| ab23c617 | EN_01 | PRICE | -1 | 0.50 | VOLUME |
| ab23c618 | EN_01 | PRICE_SEASONALITY | 6 | 0.15 | VOLUME |
| ab23c640 | EN_01 | DIMENSIONS_0 | 0.35 | VOLUME | |
| … | … | … | … | … | … |
A.9 用于 Contribution 的输出 Execution 数据集¶
该数据集包含预测中每个变量和日期的贡献。
- OID：这是第一个字段，用于标识行 ID（无需映射；它只是存在于数据中）
- REF_DATE_1：标识序列时间的第一个字段（文本）
- REF_DATE_2：标识序列时间的第二个字段（文本）
- …
- CONTRIBUTION：每个序列的外部特征贡献值（数字）
- DIMENSIONS_0：标识时间序列的第一个字段
- DIMENSIONS_1：标识时间序列的第二个字段
- ….
- MEASURE_TARGET：目标变量的名称
- VARIABLE：外部特征的名称（文本）
- LAG：外部特征的滞后（文本）**
** 如果变量（外部特征）是季节性特征，则 lag 列包含该变量的季节性信息。如果变量是维度特征，则 lag 列保持空白。
例如：
| OID | REF_DATE_0 | REF_DATE_1 | DIMENSIONS_0 | VARIABLE | LAG | CONTRIBUTION | MEASURE_TARGET |
|---|---|---|---|---|---|---|---|
| ab23c617 | 2025_ACTUAL | 01 | EN_01 | PRICE | -1 | 100 | VOLUME |
| ab23c618 | 2025_ACTUAL | 01 | EN_01 | PRICE_SEASONALITY | 6 | 50 | VOLUME |
| ab23c640 | 2025_ACTUAL | 01 | EN_01 | DIMENSIONS_0 | 25 | VOLUME | |
| … | … | … | … | … | … |
附录 B. 维度与参考日期¶
DIMENSIONS LIST：如果需要多个维度来标识时间序列键（例如 ENTITY、CHANNEL、PRODUCT），可以直接在配置窗口中映射字段。
REF_DATE：如果需要多个维度来标识历史序列的时间 ID（例如 SCENARIO、PERIOD），可以直接在配置窗口中映射字段。
例如：
附录 C. 参数¶
Training 阶段需要设置的参数包括以下内容：
- LOG LEVEL：
- DEBUG：记录所有信息
- INFO：记录所有警告、错误、严重错误以及一般信息，不记录调试信息
- WARNING：记录所有警告、错误和严重错误
- ERROR：记录所有错误和严重错误
- CRITICAL：仅记录严重错误
严重程度低于指定级别的日志消息将被忽略，而严重程度等于或高于该级别的消息将被记录。
- FEATURES_MAX_LAG：可应用的最大滞后
- USE_TARGET_FEATURE_SEASONALITY：是否创建目标的季节性特征。
- USE_EXOGENOUS_FEATURES_SEASONALITY：是否创建或省略外生变量的季节性特征。
- LAG_TARGET_FEATURES：是否生成目标特征的滞后特征。
- LAG_EXOGENOUS_FEATURES：是否创建外生变量的滞后特征。
- GET_CONTRIBUTIONS：用于将驱动因素贡献作为输出获取。
- GET_IMPORTANCES：用于将驱动因素重要性作为输出获取。
- SCALE_FEATURES：在训练神经网络之前对输入特征进行缩放。
- FEATURES_SELECTION_THRESHOLD：（从 0 到 1）用于根据重要性确定是否应排除某个特征的阈值。
- INCLUDE_OTHERS_TARGETS_IMPACT：将其他目标的滞后作为具有相同维度的目标特征纳入。
- Use the lagged exogenous features：Y（是）或 N（否），用于创建外生特征的滞后版本。默认值为 Y（是），但可以设置为 N（否）以减少处理时间。
- Feature max lag：可应用于所选变量（目标或外生）的最大滞后值。默认值为 AUTO，对应季节性值。
- Use the lagged target feature：Y（是）或 N（否），用于创建目标特征的滞后版本。默认值为 Y（是），但可以设置为 N（否）以减少处理时间。
Execution 阶段需要设置的参数包括：
- LOG LEVEL：
- DEBUG：记录所有信息
- INFO：记录所有警告、错误、严重错误以及一般信息，不记录调试信息
- WARNING：记录所有警告、错误和严重错误
- ERROR：记录所有错误和严重错误
- CRITICAL：仅记录严重错误
严重程度低于指定级别的日志消息将被忽略，而严重程度等于或高于该级别的消息将被记录。
- CONFIDENCE_LEVEL：用于计算置信区间的置信水平。
- GET_CONTRIBUTIONS：用于将驱动因素贡献作为输出获取。
- GET_IMPORTANCES：用于将驱动因素重要性作为输出获取。
- EXECUTE_ANOMALY：对以实际值作为输入 execute 的目标执行异常检测。