預測

Tableau 的統計技巧

Maarten Van den Broeck

Content Developer at DataCamp

相關與自相關

2013–2021 年每月全球「DIY」Google 搜尋熱度（％）。三次多項式趨勢線試圖擬合整體趨勢，但無法捕捉重複的季節性。

2013–2021 年每月全球「DIY」Google 搜尋熱度（％）。標示出每年的重複模式。

Tableau 的統計技巧

相關與自相關

2013–2021 年每月全球「DIY」Google 搜尋熱度（％），已去除趨勢。

  • 自相關：重複型態與自身的相關性
  • 時間序列：在離散時間間隔重複量測的數值
  • 時間序列分析：對時間序列進行的分析統稱
Tableau 的統計技巧

預測

2013–2021 年每月全球「DIY」Google 搜尋熱度（％），含 23 個月預測。

  • 以歷史資料預測未來
  • 估計：用信賴區間評估未來資料點落在哪裡
  • 應用於
    • 供應鏈管理
    • 地震
    • 荷爾蒙濃度
    • 股市
    • 運動表現
    • 天氣
Tableau 的統計技巧

天真預測（Naive）

$F_{t+1} = A_{t}$

月份 $_t$ 實際 $A$ 預測 $F$
January 5
February 7 5
March 6 7
April 5 6
May 3 5
June 8 3
July 2 8
August 2

樣本資料的天真預測。

  • 適合作為基準比較
Tableau 的統計技巧

指數平滑

$F_{t+1} = F_t + \alpha(A_{t}-F_t)$

月份 $_t$ 實際 $A$ 預測 $F$
January 5 5
February 7 5
March 6 4,6
April 5 4,32
May 3 4,184
June 8 4,4208
July 2 3,70496
August 5 4,045952
  • 較新的變動比過去更影響預測

樣本資料的指數平滑預測。

  • Tableau 會跑多種模型並選擇最佳者
Tableau 的統計技巧

平均絕對誤差（MAE）

月份 實際 預測 誤差 絕對誤差
January 5
February 7 5 2 2
March 6 7 -1 1
April 5 6 -1 1
May 3 5 -2 2
June 8 3 5 5
July 2 8 -6 6
August 5 2 3 3
September 5 MAE 2.86
Tableau 的統計技巧

平均絕對尺度誤差（MASE）

$MASE = \frac{MAE_{model}}{MAE_{naive}}$

  • MASE 將你的模型 MAE 與天真預測的 MAE 比較
  • 通常介於 0（佳）與 1（差）之間，更高代表更差
  • 你可以在 Tableau 自訂選項，但開箱即用的預測已相當可用

2013–2021 年每月全球「DIY」Google 搜尋熱度（％），分別不含與包含季節性。季節性模型的 MASE 較高。

Tableau 的統計技巧

一起來練習吧！

Tableau 的統計技巧

Preparing Video For Download...