如何在Vertex AI Tabular Forecasting中配置多个时间序列标识列

1. 多序列标识列原生支持情况 #

目前处于预览阶段的Vertex AI时序预测模块，暂不原生支持设置多个独立的时间序列标识列，仅允许指定1个time_series_id_column字段作为唯一序列标识，这是你当前无法同时选中商品、门店两个字段作为序列标识的核心限制。

2. 字段拼接方案的可行性 #

你提到的「将商品和门店字段拼接作为唯一序列ID，同时将单独的商品编码、门店编码设置为属性」的方案是完全可行的，也是目前预览阶段官方推荐的适配多维度序列粒度的标准方案，优势如下：

• 拼接生成的唯一ID可精准区分每个「商品+门店」粒度的独立时序数据，完全匹配你的预测粒度要求
• 单独留存的商品编码、门店编码作为属性列，模型训练过程中会自动学习不同商品、不同门店的固有特征差异，不会因ID拼接丢失维度信息
• 预测结果输出后，你可以直接从属性列中提取对应的商品、门店信息，无需额外做拼接ID的解析处理

3. 其他可选配置方式 #

除拼接方案外，还有两种适配路径，你可以根据自身业务场景选择：

• 按门店维度拆分数据集，每个门店单独训练一个模型，单模型内仅用商品作为唯一序列ID。该方案适合门店数量少、单门店数据量充足的场景，模型针对性更强，但门店数量过多时会大幅提升运维成本
• 将门店字段设置为静态协变量，需提前确认门店编码为不随时间变化的固定值。该方式下模型同样会纳入门店特征计算，效果与设置为属性列基本一致，但预测请求中需要同步传入对应门店的协变量值

内容的提问来源于stack exchange，提问作者ErrHuman