提示和最佳实践

优化预测折线图解释

充分利用您的预测折线图可视化！

• 悬停获取见解将光标悬停在预测折线图上的数据点上以显示工具提示。这些工具提示提供有关预测值以及上限和下限的详细信息。

• 信息图标将鼠标悬停在信息图标上即可查看有关底层模型及其参数的信息。

• 扩大清晰度如果您需要更详细的信息和显示整个数据点集的能力，请扩展可视化。这增强了图表的可读性。

预测分析常见问题解答

当前版本使用什么时间序列预测方法？

我们当前版本中使用的时间序列预测方法称为指数平滑法。该方法支持在文本地点。您可以参考 statsmodel Python 模块（ statsmodels.tsa.exponential_smoothing.ets.ETSModel - statsmodels 0.14.0）了解更多技术细节。

用于预测的默认超参数是什么？

如果用户未指定，则使用以下默认超参数：

• h 值未来五个数据点

• 季节模型添加剂（可通过自动调节）

• 趋势模型添加剂（可通过自动调节）

• 季节性长度自动（可通过自动调整）

• 置信区间 95%（可通过自动调整）

季节和趋势模型的值可以通过自动设置为无、乘法或加法。您可以使用乘法趋势模型预测未来三个月的销售额。

可以调整超参数进行预测吗？

是的，您可以通过自动调整预测的超参数。虽然这些超参数未在仪表板创作中的“格式”面板中显示，但您可以使用自动功能对其进行微调。

成功的预测需要哪些类型的属性和指标？

为了成功预测数据，您需要：

• 日期或日期时间类型的单个属性，加上单个感兴趣的指标（推荐）

• 整数类型的单个属性，加上感兴趣的指标（当日期/日期时间属性不适用于时间序列预测时）

预测中是否处理缺失数据？

是的，如果缺失数据小于或等于整体数据的 90％，算法可以自动填充缺失数据。

支持哪些基于时间的属性预测级别？

以下级别的数据支持基于时间的属性预测：每日、每周、每月、每季度和每年。

整数预测如何工作？

对于整数预测，算法会生成序列中的下一个整数。如果使用整数表示时间（例如 202101、202102），则不会将其转换为日期/时间格式，并且预测会添加连续的整数作为未来点。