共计 1074 个字符，预计需要花费 3 分钟才能阅读完成。
作者 |GUEST
编译 |VK
起源 |Analytics Vidhya
介绍
工夫序列预测是机器学习的一个十分重要的畛域，因为它让你可能提前“预感”并据此制订业务打算。
在本博客中，咱们将理解什么是工夫序列预测，Power BI 如何制作工夫序列预测图和 Power BI 用于预测的模块。
什么是工夫序列预测？
工夫序列是以天、小时、月和年为单位定期收集数据。工夫序列预测是机器学习中的一种技术，它通过剖析数据和工夫序列来预测将来的事件。
这种技术基于历史工夫序列数据提供了对将来趋势的近乎准确的假如。
工夫序列容许你剖析次要模式，如趋势、季节性、周期性和不规则性。它被广泛应用于股票市场剖析、模式识别、地震预测、经济预测、人口普查剖析等畛域。
工夫序列包含趋势周期和季节性。可怜的是，许多人混同了季节性行为和周期性行为。为了防止混同，让咱们理解它们是什么：
- 趋势 ：一段时间内数据的减少或缩小称为趋势。
- 季节性 ：通常，季节性具备固定和已知的频率。例如，季节性因素，如一年中的工夫或一周中的某一天，就会呈现季节性的模式。
- 周期性 ：当一个数据显示稳定时，一个周期就产生了。但不同于季节性，它不是固定的频率。
Power View 应用哪种算法进行工夫序列预测？
Power BI 提供了两个指数平滑的版本，一个用于季节性数据（ETS AAA），另一个用于非季节性数据（ETS AAN）
Power BI 会依据对历史数据的剖析，在开始预测折线图时主动应用适当的模型。
如何在 Power BI 中创立工夫序列预测图。
在本教程中，我应用以下数据集。
要应用预测性能，咱们应用“剖析”选项卡，“剖析”面板容许你向视觉效果增加动静参考线，以提供重要趋势或信息的焦点。它位于 Power BI 桌面的可视化区域。
创立折线图：
对于预测，请转到剖析窗格，咱们能够看到预测选项。单击 Add，将 forecast length 设置为 6 年，置信区间为 95%，而后单击 Apply。
当初你会留神到，咱们在数据完结后有一条预测线，暗影灰色区域是咱们的置信区间。
论断
如果你想在同一框架内疾速查看趋势和预测，以理解并做出任何业务决策，Power BI 能够帮忙你。
你能够在 Python 或 R 中应用 Arima 和其余工夫序列模块，下一次我将用 Python 探讨 Arima。
原文链接：https://www.analyticsvidhya.c…
欢送关注磐创 AI 博客站：
http://panchuang.net/
sklearn 机器学习中文官网文档：
http://sklearn123.com/
欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/