求Azure Machine Learning Studio航空数据集时间序列预测简易示例

我完全懂你想要一个简洁上手的Azure ML时间序列示例的心情——那些动辄几十步的复杂教程确实容易让人望而却步！下面我就用内置的航空数据集（airlines dataset）给你一步步拆解一个极简版的时间序列预测流程，还会告诉你怎么调出类似WEKA的可视化图表与评估结果。

1. 快速导入数据集 #

登录Azure ML Studio后，左侧导航栏点击数据集，在搜索框输入「Airlines Dataset」，找到这个内置数据集后直接点击导入到你的工作区。它自带两列核心数据：Month（时间戳，格式为yyyy-MM）和Passengers（月度航空乘客数量），完全满足入门需求。

2. 搭建超简洁预测Pipeline #

不用搞复杂的特征工程，只需要5个基础模块就能完成核心流程：

• 拖入Select Columns in Dataset模块，连接到航空数据集的输出。在模块设置里仅勾选Month和Passengers（其实这个数据集本来就只有这两列，主要是养成过滤无关数据的习惯）。
• 拖入Split Data模块，连接到上一步的输出。设置Split mode为「Split by time」，把Month设为时间列，训练集比例设为80%——这样前80%的历史数据用来训练模型，后20%用来验证预测效果，完全符合时间序列的逻辑（不能随机拆分哦）。
• 拖入Forecast with ARIMA模块（专门的入门级时间序列预测模块，比AutoML简单太多），连接训练集的输出。模块设置里只需要选这两个参数：
  • 目标列：Passengers
  • 时间列：Month
    其他参数保持默认就行，入门阶段不用纠结调参。
• 拖入Score Model模块，分别连接ARIMA模块的输出（训练好的模型）和Split Data的测试集输出，用来生成测试集的预测结果。
• 拖入Evaluate Model模块，连接Score Model的输出，用来生成模型的评估指标。

3. 查看类似WEKA的可视化结果 #

点击右上角Run，等待几分钟（数据量小，运行很快），完成后就能查看结果了：

• 预测对比折线图：右键点击Score Model模块，选择「Visualize」。在可视化界面里，你会看到实际乘客数和预测乘客数的重叠折线图——和WEKA里的时间序列预测图表风格几乎一致，能直观看到模型的拟合效果。
• 模型评估指标：右键点击Evaluate Model模块，选择「Visualize」。这里会展示MAE、RMSE、MAPE这些常用的时间序列评估指标，和WEKA的结果格式类似，帮你快速判断模型的准确性。

4. 进阶小技巧：预测未来数据 #

如果想预测未来几个月的乘客数，只需要再加一个模块：

• 拖入Generate Forecasting Data模块，连接训练好的ARIMA模型输出。设置要预测的未来时间段（比如往后12个月），运行后就能得到未来的预测值，同样可以可视化成折线图。

这个流程完全聚焦于时间序列预测的核心逻辑，没有多余的复杂操作，而且可视化结果和WEKA的风格对齐，应该能帮你快速上手Azure ML里的时间序列处理。

内容的提问来源于stack exchange，提问作者MLstudent