使用微软Power BI进行时间序列预测

做者|GUEST
编译|VK
来源|Analytics Vidhya

介绍

时间序列预测是机器学习的一个很是重要的领域，由于它让你可以提早“预见”并据此制定业务计划。

在本博客中，咱们将了解什么是时间序列预测，Power BI如何制做时间序列预测图和Power BI用于预测的模块。

什么是时间序列预测？

时间序列是以天、小时、月和年为单位按期收集数据。时间序列预测是机器学习中的一种技术，它经过分析数据和时间序列来预测将来的事件。

这种技术基于历史时间序列数据提供了对将来趋势的近乎精确的假设。

时间序列容许你分析主要模式，如趋势、季节性、周期性和不规则性。它被普遍应用于股票市场分析、模式识别、地震预测、经济预测、人口普查分析等领域。

时间序列包括趋势周期和季节性。不幸的是，许多人混淆了季节性行为和周期性行为。为了不混淆，让咱们了解它们是什么：

• 趋势：一段时间内数据的增长或减小称为趋势。
• 季节性：一般，季节性具备固定和已知的频率。例如，季节性因素，如一年中的时间或一周中的某一天，就会出现季节性的模式。
• 周期性：当一个数据显示波动时，一个周期就发生了。但不一样于季节性，它不是固定的频率。

Power View使用哪一种算法进行时间序列预测？

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），另外一个用于非季节性数据（ETS AAN）

Power BI会根据对历史数据的分析，在开始预测折线图时自动使用适当的模型。

如何在Power BI中建立时间序列预测图。

在本教程中，我使用如下数据集。

要使用预测功能，咱们使用“分析”选项卡，“分析”面板容许你向视觉效果添加动态参考线，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。

建立折线图：

对于预测，请转到分析窗格，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。

如今你会注意到，咱们在数据结束后有一条预测线，阴影灰色区域是咱们的置信区间。

结论

若是你想在同一框架内快速查看趋势和预测，以了解并作出任何业务决策，Power BI能够帮助你。

你能够在Python或R中使用Arima和其余时间序列模块，下一次我将用Python讨论Arima。

原文连接：https://www.analyticsvidhya.com/blog/2020/07/time-series-forecasting-using-microsoft-power-bi/

欢迎关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官方文档：
http://sklearn123.com/

欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/