Strategy One

ヒントとベスト プラクティス

予測線グラフ解釈の最適化

予測線グラフのビジュアリゼーションを最大限に活用しましょう。

  • マウス カーソルを置いてインサイトを表示: 予測線グラフでデータ ポイントにマウス カーソルを置くと、ツールチップが表示されます。これらのツールチップでは、予測値、上限値、下限値に関する詳細な情報を参照できます。

  • 情報アイコン: 情報アイコンにマウス カーソルを置くと、基礎となるモデルとそのパラメーターに関する情報が表示されます。

  • わかりやすくするために展開する: より詳細な情報を表示したり、データ ポイント全体を表示する必要がある場合は、ビジュアリゼーションを展開します。これにより、グラフが読みやすくなります。

予測分析に関するよくある質問

現在のリリースでは、どのような時系列予測手法が使われているのでしょうか。

現在のリリースで使用されている時系列予測手法は、指数平滑化と呼ばれるものです。この手法は、OTexts サイトで説明されているさまざまな非減衰モデルをサポートしています。技術的な詳細は、Python モジュール statsmodels (statsmodels.tsa.exponential_smoothing.ets.ETSModel - statsmodels 0.14.0) を参照してください。

予測に使われるデフォルトのハイパーパラメーターは何ですか。

ユーザーが指定しない場合、以下のデフォルトのハイパーパラメーターが使用されます。

  • h 値: 5 データ ポイント前に

  • 季節モデル: 加法 ([自動] で調整可能)

  • 傾向モデル: 加法 ([自動] で調整可能)

  • 季節性の長さ: 自動 ([自動] で調整可能)

  • 信頼区間: 95% ([自動] で調整可能)

季節モデルおよび傾向モデルの値は、[自動] で [なし]、[乗法]、[加法] に設定できます。乗法傾向モデルで次の 3 か月の売上を予測できます。

予測のためにハイパーパラメーターを調整できますか。

はい、[自動] からハイパーパラメーターを予測用に調整できます。これらのハイパーパラメーターは、ダッシュボード作成の [書式] パネルでは表示されませんが、[自動] を使用して微調整できます。

予測を成功させるには、どのようなアトリビュートやメトリックが必要でしょうか。

データの予測を成功させるには、以下が必要です。

  • Date または datetime 型の単一アトリビュート、該当する単一のメトリック (推奨)

  • Integer 型の単一アトリビュートと、該当するメトリック (時系列予測のために date/datetime アトリビュートが利用できない場合)

欠損データは予測で処理されますか。

はい、欠損データがデータ全体の 90% 以下であれば、アルゴリズムは欠損データを自動的に補完できます。

どのような時間ベースのアトリビュート予測レベルがサポートされていますか。

時間ベースのアトリビュート予測は、日次、週次、月次、四半期、年次データ レベルでサポートされています。

整数予測の仕組みは?

整数予測では、アルゴリズムはシーケンス内の次の整数を生成します。時間を表すのに整数 (202101、202102 など) が使用されている場合、それは日付/時刻形式に変換されず、予測は連続する整数を将来ポイントとして追加します。