使用微軟Power BI進行時間序列預測

做者|GUEST
編譯|VK
來源|Analytics Vidhya

介紹

時間序列預測是機器學習的一個很是重要的領域，由於它讓你可以提早「預見」並據此制定業務計劃。

在本博客中，咱們將瞭解什麼是時間序列預測，Power BI如何製做時間序列預測圖和Power BI用於預測的模塊。

什麼是時間序列預測？

時間序列是以天、小時、月和年爲單位按期收集數據。時間序列預測是機器學習中的一種技術，它經過分析數據和時間序列來預測將來的事件。

這種技術基於歷史時間序列數據提供了對將來趨勢的近乎精確的假設。

時間序列容許你分析主要模式，如趨勢、季節性、週期性和不規則性。它被普遍應用於股票市場分析、模式識別、地震預測、經濟預測、人口普查分析等領域。

時間序列包括趨勢週期和季節性。不幸的是，許多人混淆了季節性行爲和週期性行爲。爲了不混淆，讓咱們瞭解它們是什麼：

• 趨勢：一段時間內數據的增長或減小稱爲趨勢。
• 季節性：一般，季節性具備固定和已知的頻率。例如，季節性因素，如一年中的時間或一週中的某一天，就會出現季節性的模式。
• 週期性：當一個數據顯示波動時，一個週期就發生了。但不一樣於季節性，它不是固定的頻率。

Power View使用哪一種算法進行時間序列預測？

Power BI提供了兩個指數平滑的版本，一個用於季節性數據（ETS AAA），另外一個用於非季節性數據（ETS AAN）

Power BI會根據對歷史數據的分析，在開始預測折線圖時自動使用適當的模型。

如何在Power BI中建立時間序列預測圖。

在本教程中，我使用如下數據集。

要使用預測功能，咱們使用「分析」選項卡，「分析」面板容許你向視覺效果添加動態參考線，以提供重要趨勢或信息的焦點。它位於Power BI桌面的可視化區域。

建立折線圖：

對於預測，請轉到分析窗格，咱們能夠看到預測選項。單擊Add，將forecast length設置爲6年，置信區間爲95%，而後單擊Apply。

如今你會注意到，咱們在數據結束後有一條預測線，陰影灰色區域是咱們的置信區間。

結論

若是你想在同一框架內快速查看趨勢和預測，以瞭解並作出任何業務決策，Power BI能夠幫助你。

你能夠在Python或R中使用Arima和其餘時間序列模塊，下一次我將用Python討論Arima。

原文連接：https://www.analyticsvidhya.c...

歡迎關注磐創AI博客站：
http://panchuang.net/

sklearn機器學習中文官方文檔：
http://sklearn123.com/

歡迎關注磐創博客資源彙總站：
http://docs.panchuang.net/