【时间序列】使用微软Power BI进行时间序列预测

编译 | VK 

来源 | Analytics Vidhya

介绍

时间序列预测是机器学习的一个非常重要的领域，因为它让你能够提前“预见”并据此制定业务计划。

在本博客中，我们将了解什么是时间序列预测，Power BI如何制作时间序列预测图和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、月和年为单位定期收集数据。时间序列预测是机器学习中的一种技术，它通过分析数据和时间序列来预测未来的事件。

❝

这种技术基于历史时间序列数据提供了对未来趋势的近乎精确的假设。

❞

时间序列允许你分析主要模式，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。为了避免混淆，让我们了解它们是什么：

• 「趋势」：一段时间内数据的增加或减少称为趋势。
• 「季节性」：通常，季节性具有固定和已知的频率。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。但不同于季节性，它不是固定的频率。

Power View使用哪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中创建时间序列预测图。

在本教程中，我使用以下数据集。

要使用预测功能，我们使用“分析”选项卡，“分析”面板允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。

创建折线图：

对于预测，请转到分析窗格，我们可以看到预测选项。单击Add，将forecast length设置为6年，置信区间为95%，然后单击Apply。

现在你会注意到，我们在数据结束后有一条预测线，阴影灰色区域是我们的置信区间。

结论

如果你想在同一框架内快速查看趋势和预测，以了解并做出任何业务决策，Power BI可以帮助你。

你可以在Python或R中使用Arima和其他时间序列模块，下一次我将用Python讨论Arima。

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