數據基礎編程應用9

Tableau預測分析1Tableau預測Tableau分析Tableau季節性Tableau時間和計算函數統計23401Tableau預測

Tableau預測簡介

預測是關于預測度量的未來價值，有許多數學模型用于預測。這些模型通過捕獲數據的演變趨勢或季節性，并將它們推廣到未來。預測的結果也可以成為可視化中創建的字段。Tableau使用一次性維度和一個度量字段來創建預測。01

Tableau預測1、Tableau預測的工作原理

Tableau中的預測使用一種稱為“指數平滑”的技術。預測算法嘗試在度量找到可延續到將來的一種固定模式。當數據源中至少有一個日期維度和一個度量時，就可以向視圖中添加預測。圖01-0101

Tableau預測2、Tableau預測概述所有預測算法都是實際數據生成過程(DGP)的簡單模型。01

Tableau預測圖01-023、指數平滑方法

Tableau自動選擇最多8個模型中最佳的一個，最佳模型是生成最高質量預測的模型。在Tableau評估預測質量之前，會優化每個模型的平滑參數。優化方法是全局的。

對于大多數視圖來講，模型中的“自動”設置通常是最佳的。01

Tableau預測圖01-034、Tableau的閉合式方程

Tableau提供可以從閉合式方程模擬或計算的預測區間。所有具有累乘組件或具有集合預測的模型都具有模擬區間，而所有其他模型則使用閉合式方程。01

Tableau預測圖01-045、Tableau預測度量

當要預測的度量在進行預測的時間段內呈現出趨勢或季節性時，帶趨勢或季節組件的指數平滑模型十分有效。

但一般情況，我們在針對預測模型的自定義設置時，選用的是累加的趨勢及累乘的季節來進行配置。圖01-0501

Tableau預測6、Tableau預測模型

通常，時間系列中的數據點越多，所產生的預測就越準確。

如果要對季節性建模，則具有足夠的數據尤為重要，因為模型越復雜，就需要越多數據形式的證明，才能達到合理的精度級別。圖01-0601

Tableau預測7、模型類型

在“預測選項”對話框中，可以選擇Tableau用于預測的模型類型。對于大多數視圖，“自動”設置通常是最佳設置。圖01-0701

Tableau預測8、粒度和修剪

Tableau日期支持一系列這樣的時間單位，包括“年”、“季度”、“月”和“天”。為日期值選擇的單位稱為日期的粒度。度量中的數據通常并不是與粒度單位完全一致。

日期格式有兩種，一般情況下，要調用該格式內容，步驟為：選中列或行中的日期數據→右鍵打開即可，如圖01-08所示。圖01-0801

Tableau預測9、獲取更多數據Tableau需要時間系列中具有至少5個數據點才能預測趨勢，以及具有用于至少兩個季節或一個季節加五個周期的足夠數據點才能估計季節性。圖01-0901

Tableau預測02Tableau預測分析1、分段和同期群分析Tableau提升了調查流程以實現快速靈活的同期群分析。通過根據所需維度切分和切割數據，轉換不同的視角探索問題。Tableau允許我們使用快速分割數據并對其分類，從而較輕松執行強大的dui。這些功能還可幫助數據科學家調查初步假設和測試方案。02

Tableau預測分析圖02-012、Tableau方案和假設

通過將Tableau靈活的前端和強大的輸入功能結合使用，可以快速修改計算并測試不同的方案。圖02-0202

Tableau預測分析3、外部服務集成

R和Python插件為Tableau前端提供了功能性和易用性，能夠利用其他平臺上現有的統計工作，并處理有細微差別的機器學習工作流。R和Tableau用于計算和可視化重要測試的結果。圖02-0302

Tableau預測分析03Tableau季節性

Tableau針對一個季節周期進行測試，具有對于估計預測的時間系列而言最典型的時間長度。

如果按季度聚合，則Tableau匹配的是4個季度的周期，以此類推；03

Tableau

季節性圖03-011、季節周期

舉例來說，如果視圖包含截斷到月的綠色連續日期或藍色離散年和月日期部分，則視圖的時間粒度為月。但隨著新版本的Tableau的引入，新的非時間度量法使用周期回歸來檢查從2到60的季節長度中也出現了候選長度。圖03-0203

Tableau

季節性

Tableau會自動針對給定視圖選擇最適合的方法。當Tableau使用日期對視圖中的度量進行排序時，如果時間粒度為季度、月、周、天或小時，則季節長度將幾乎肯定分別是4、12、13、7或24。圖03-0303

Tableau

季節性2、季節時長

Tableau對于按年、分鐘或秒排序的系列，如果模式相當清晰，就將測試數據中的單一季節長度。對于按整數排序的系列，將會為所有五個季節模型預估九個不太清晰的季節長度，并返回AIC最低的模型。圖03-0403

Tableau

季節性3、時間排序

Tableau用于決定何時使用派生自數據的季節長度的啟發法取決于每個候選季節長度的周期回歸的誤差分布。在這種情況下，Tableau將為年、分鐘和秒粒度使用此候選長度預估季節模型。圖03-0503

Tableau

季節性

Tableau返回的候選長度少于最大值10表明可能有季節性。在這種情況下，Tableau將為按整數排序的視圖使用所有返回的候選長度預估季節模型。返回最大數量的候選長度表明大多數長度的誤差類似。圖03-0603

Tableau

季節性04Tableau時間和計算函數統計

1、使用時間進行預測

在使用日期進行預測時，視圖中只能有一個基準日期。支持部分日期，并且所有部分均必須引用同一基礎字段。日期可以位于“行”“列”或“標記”上（工具提示目標除外）。04Tableau時間和計算函數統計

圖04-012、Tableau時間序列和預測分析

Tableau本身支持豐富的時間序列分析，這意味著可以探索季節性和趨勢、對數據采樣、運行預見性分析（如預測）并在強大的UI中執行其他常見的時間序列操作預測會按照區域自動預測銷售額。圖04-0204Tableau時間和計算函數統計

3、復雜計算和統計函數Tableau擁有強大的計算語言，使我們可