Compréhension de l'apprentissage automatique pour la prévision basée sur une série temporelle

Configuration de l'environnement et préparation des données à l'aide des DataFrames SAP HANA

Entraînement d'un modèle de série temporelle SAP HANA PAL Univariate

Prévision avec plusieurs séries temporelles

Configuration du client d'apprentissage automatique Python pour SAP HANA

Objective

After completing this lesson, you will be able to installez le package hana-ml et établissez un contexte de connexion fiable à SAP HANA Cloud pour les tâches d'apprentissage automatique.

Accès et exploration des données dans SAP HANA

Pour créer des modèles de prévision de série temporelle à l'aide de la bibliothèque d'analyses prédictives SAP HANA (PAL) à partir de Python, vous devez d'abord configurer votre environnement Python local avec les bibliothèques nécessaires et établir une connexion sécurisée à votre instance SAP HANA Cloud. La bibliothèque hana-ml permet cette intégration en vous permettant d'accéder aux données SAP HANA et d'exécuter les algorithmes PAL SAP HANA directement à partir de votre script Python.

Conditions techniques requises

Pour utiliser des modèles de série temporelle dans SAP HANA, vous avez besoin des éléments suivants :

Instance de SAP HANA Cloud avec serveur de scripts (APL, PAL activé)
Python hana-ml package 2.24.25051600, autres packages et dépendances installés
Connaissances SQL (Structured Query Language) de base (hautement souhaitables)

Configuration de l'environnement

Avant d'implémenter des modèles de série temporelle dans SAP HANA, il est essentiel de configurer l'environnement requis. Cela inclut l'installation des bibliothèques Python nécessaires, l'établissement d'une connexion à SAP HANA Cloud et la configuration des options d'authentification.

Les cellules suivantes chargent/importent divers modules nécessaires pour la démonstration actuelle. Comme vous le savez peut-être, un module peut être considéré comme identique à une bibliothèque de code.

Code Snippet

12
import hana_ml
print(hana_ml.__version__)

2.24.25051600

Code Snippet

123456789101112131415161718
#importing other packages used
import pandas as pd
import matplotlib.pyplot as plt
import time
import numpy as np
import os
import json
from dotenv import load_dotenv
load_dotenv()

from hana_ml import dataframe
from hana_ml.visualizers.unified_report import UnifiedReport
from hana_ml.algorithms.pal.tsa.additive_model_forecast import AdditiveModelForecast
from hana_ml.algorithms.pal.random import binomial 
from hana_ml.algorithms.pal.partition import train_test_val_split

%matplotlib inline

Connexion à la base de données SAP HANA Cloud

Avec le client d'apprentissage automatique Python pour SAP HANA (hana-ml), les connexions sont toujours liées à un DataFrame SAP HANA. En outre, pour SAP HANA Cloud, nous devons utiliser une connexion chiffrée.

Les apprenants doivent disposer de l'adresse du système SAP HANA et des identifiants pour y accéder car ils doivent être fournis pour instancier la classe hana_mI.dataframe.ConnectionContext ; cela représente une connexion à une instance de base de données SAP HANA [1].

Code Snippet

123456789101112131415
hana_address = os.getenv('hana_address', "<your_hana_address>")
hana_port = int(os.getenv('hana_port', 443))
hana_user = os.getenv('hana_user', "<your_hana_user>")
hana_password = os.getenv('hana_password', "<your_hana_password>")
hana_encrypt = os.getenv('hana_encrypt', 'True').lower() == 'true'  
hana_schema = os.getenv('HANA_SCHEMA', 'My_Schema') 

conn = dataframe.ConnectionContext(address=hana_address,
                                   port=hana_port,
                                   user=hana_user,
                                   password=hana_password,
                                   encrypt=True, sslValidateCertificate=False,
                                   current_schema=hana_schema)
conn.connection.isconnected()

Vrai

Références

[1]Classe SAP hana_ml.dataframe.ConnectionContext

Next lesson