作者|GUEST
編譯|VK
來源|Analytics Vidhya
介紹
時間序列預測是機器學習的一個非常重要的領域，因為它讓你能夠提前“預見”并據此制定業務計劃，
在本博客中，我們將了解什么是時間序列預測，Power BI如何制作時間序列預測圖和Power BI用于預測的模塊，
什么是時間序列預測？
時間序列是以天、小時、月和年為單位定期收集資料，時間序列預測是機器學習中的一種技術，它通過分析資料和時間序列來預測未來的事件，
這種技識訓于歷史時間序列資料提供了對未來趨勢的近乎精確的假設，
時間序列允許你分析主要模式，如趨勢、季節性、周期性和不規則性，它被廣泛應用于股票市場分析、模式識別、地震預測、經濟預測、人口普查分析等領域，
時間序列包括趨勢周期和季節性，不幸的是，許多人混淆了季節性行為和周期性行為，為了避免混淆，讓我們了解它們是什么：
- 趨勢：一段時間內資料的增加或減少稱為趨勢，
- 季節性：通常，季節性具有固定和已知的頻率，例如，季節性因素，如一年中的時間或一周中的某一天，就會出現季節性的模式，
- 周期性：當一個資料顯示波動時，一個周期就發生了，但不同于季節性，它不是固定的頻率，
Power View使用哪種演算法進行時間序列預測？
Power BI提供了兩個指數平滑的版本，一個用于季節性資料（ETS AAA），另一個用于非季節性資料（ETS AAN）
Power BI會根據對歷史資料的分析，在開始預測折線圖時自動使用適當的模型，
如何在Power BI中創建時間序列預測圖，
在本教程中，我使用以下資料集，
要使用預測功能，我們使用“分析”選項卡，“分析”面板允許你向視覺效果添加動態參考線，以提供重要趨勢或資訊的焦點，它位于Power BI桌面的可視化區域，
創建折線圖：
對于預測，請轉到分析窗格，我們可以看到預測選項，單擊Add，將forecast length設定為6年，置信區間為95%，然后單擊Apply，
現在你會注意到，我們在資料結束后有一條預測線，陰影灰色區域是我們的置信區間，
結論
如果你想在同一框架內快速查看趨勢和預測，以了解并做出任何業務決策，Power BI可以幫助你，
你可以在Python或R中使用Arima和其他時間序列模塊，下一次我將用Python討論Arima，
原文鏈接：https://www.analyticsvidhya.com/blog/2020/07/time-series-forecasting-using-microsoft-power-bi/
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/175043.html
標籤：其他