このセクションの他の記事
MfTransformerV2とは
MfTransformerV2は、未来を予測する時系列解析のレシピブロックです。
同じ時系列解析を行う TrendFlow や MfTransformer と異なるのは、「学習に使用する列を複数指定できる」点と「複数行の予測ができる」点です。
MfTransformerV2を使ったレシピは、プロジェクトテンプレート［多変数による需要予測（MFTransfomerV2）］にセットされています。
■特徴
- データを投入するだけで、自動でパラメータの探索を行う
- 学習に使用する列（＝説明変数）を複数列指定できる（TrendFlowは1列のみ）
- 複数日時先までの予測ができる（MfTransformerは1日時先（1行分）のみ）
- パターンの変化あり・なしを設定できる
■パラメータについて
［MfTransformerV2］ブロックは、レシピ編集画面のブロックタイプ「時系列解析」の中にあります。
MfTransformerV2ブロックで設定できるパラメータは次の通りです。
しかし、基本的にはパラメータを変更する必要がないため、［MfTransformerV2］ブロックをつなげるだけで複数日時先の未来予測を行うAIモデルを作成することができます。
1．エポック数：1000（デフォルト）
学習回数のことを「エポック数」といい、何回学習するかを指定します。
AIモデルは同じデータセットをグループ分けを変えながら繰り返し何度も読み込んで、特徴や違いを学習していきます。
2．バッチサイズ：64（デフォルト）
時系列データが大量に存在する場合、一度に1つのデータポイントずつ処理を行うと非常に遅くなります。バッチサイズを指定すると複数のデータポイントを一度に読み込み、ミニバッチ学習を行うことができるため、メモリを効率的に使用して学習を進められるようになります。
■データセットについて
推論結果を得たい周期のデータセットを用意します。
例えば、2週間ごとの予測を行いたければ、学習用/推論用ともデータセットは2週間ごとのデータを用意します。生データの形式によっては集計作業が必要な場合もあるでしょう。
学習用データセットと推論用データセットで周期が異なると、推論時にエラーになり失敗します。
例）学習時：日次データで学習、推論時：週次データで推論 ⇒ 推論はエラーで止まります。