替換資料集

替換資料集是基準相關時間序列的修改版本，只包含您想要在假設預測中變更的值。取代資料集必須包含基準相關時間序列中的預測維度、項目識別符和時間戳記，以及至少 1 個已變更的時間序列。此資料集會與基準相關時間序列合併，以建立用於假設預測的轉換資料集。替換資料集必須是 CSV 格式。

此資料集不應包含相同時間序列的重複時間戳記。

以下幾個範例說明如何指定替代時間序列，以及如何解譯這些規格。考慮您每天預測的情況，預測期間是 2022-08-01 到 2022-08-03。下表提供所有範例的基準相關時間序列。

item_id	timestamp	價格	stock_count
item_1	2022-08-01	100	50
item_1	2022-08-02	100	50
item_1	2022-08-03	100	50
item_2	2022-08-01	75	500
item_2	2022-08-02	75	500
item_2	2022-08-03	75	500

Unchanged values

若要對適用於 2022-08-02 和 的 item_1 套用 10% 折扣2022-08-03，請為替換資料集指定下列項目：

替換資料集

item_id	timestamp	價格
item_1	2022-08-02	90
item_1	2022-08-03	90

不過，在取代資料集中指定未變更的值也是有效的。用作替換資料集時，以下三個資料表中的每個資料表都會產生與先前提供的資料表相同的結果。

具有未變更資料欄的替換資料集

item_id	timestamp	價格	stock_count
item_1	2022-08-02	90	50
item_1	2022-08-03	90	50

具有未變更資料列的替換資料集

item_id	timestamp	價格
item_1	2022-08-01	100
item_1	2022-08-02	90
item_1	2022-08-03	90
item_2	2022-08-01	75
item_2	2022-08-02	75
item_2	2022-08-03	75

具有未變更資料列和資料欄的替換資料集

item_id	timestamp	價格	stock_count
item_1	2022-08-01	100	50
item_1	2022-08-02	90	50
item_1	2022-08-03	90	50
item_2	2022-08-01	75	500
item_2	2022-08-02	75	500
item_2	2022-08-03	75	500

Missing values

替換時間序列中的遺失值會取代為基準相關時間序列的值。請考慮您在 2022-08-02 和 中對 item_1 套用 10% 折扣的情況，2022-08-03並在 2022-08-01 增加 item_2 的庫存。此替換資料集已足夠：

遺失值的替換資料集

item_id	timestamp	價格	stock_count
item_1	2022-08-02	90
item_1	2022-08-03	90
item_2	2022-08-01		5000

此資料表中缺少的值會從基準相關時間序列中插補。

Extraneous values

建立假設預測時，替換時間序列中的額外值會被忽略。也就是說，取代資料集中的值與基準相關時間序列中的值不對應，則不會建模。請考慮此替換資料集：

使用外部值取代資料集

item_id	timestamp	價格	stock_count
item_1	2022-08-01	100	50
item_1	2022-08-02	100	50
item_1	2022-08-03	100	50
item_2	2022-08-01	75	500
item_2	2022-08-02	75	500
item_2	2022-08-03	75	500
item_3	2022-08-01	50	125
item_3	2022-08-02	50	125
item_3	2022-08-03	50	125

包含 item_3 的資料列會被忽略，而且不屬於假設分析的一部分。

Historical changes

取代資料集中超出預測時間範圍的變更會被忽略。請考慮此替換資料集：

具有預測時間範圍外值的替換資料集

item_id	timestamp	價格	stock_count
item_1	2022-07-31	100	50
item_1	2022-08-01	100	50
item_1	2022-08-02	100	50
item_1	2022-08-03	100	50
item_1	2022-08-04	100	50
item_2	2022-07-31	75	500
item_2	2022-08-01	75	500
item_2	2022-08-02	75	500
item_2	2022-08-03	75	500
item_3	2022-08-04	75	500

包含 2022-07-31 和 2022-08-04 的資料列會被忽略，而且不屬於假設分析的一部分。

預測維度

如果您在資料集中包含預測維度，則必須在替換資料集中包含預測維度。考慮此基準相關時間序列：

item_id	store_id	timestamp	價格	stock_count
item_1	store_1	2022-08-01	100	50
item_1	store_1	2022-08-02	100	50
item_1	store_1	2022-08-03	100	50
item_1	store_2	2022-08-01	75	500
item_1	store_2	2022-08-02	75	500
item_1	store_2	2022-08-03	75	500

因此， 所有商店中 10% 折扣的替換資料集2022-08-02如下：

item_id	store_id	timestamp	價格
item_1	store_1	2022-08-02	90
item_1	store_2	2022-08-02	67.5