時(shí)間序列預(yù)測(cè)法就是通過(guò)編制和分析時(shí)間序列，根據(jù)時(shí)間序列所反映出來(lái)的發(fā)展過(guò)程、方向和趨勢(shì)，進(jìn)行類推或延伸，借以預(yù)測(cè)下一段時(shí)間或以后若干年內(nèi)可能達(dá)到的水平。

本次操作案例的時(shí)間序列預(yù)測(cè)的工作流如下：

1. 商業(yè)目標(biāo)

業(yè)務(wù)理解：該案例所用的數(shù)據(jù)是《銷售數(shù)據(jù).csv》，該數(shù)據(jù)包含銷售日期、銷量和利潤(rùn)（萬(wàn)元）三個(gè)指標(biāo)，如下：

業(yè)務(wù)目標(biāo)：建立預(yù)測(cè)分析系統(tǒng)，分析利潤(rùn)在未來(lái)的預(yù)測(cè)值。

數(shù)據(jù)挖掘目標(biāo)：建立時(shí)間序列預(yù)測(cè)模型，該模型以日期為輸入，以利潤(rùn)為目標(biāo)，建立預(yù)測(cè)模型。

2.數(shù)據(jù)理解

使用<數(shù)據(jù)審核>節(jié)點(diǎn)計(jì)算字段的特征統(tǒng)計(jì)量，輸出結(jié)果如下：

3.分布趨勢(shì)分析

分析時(shí)間序列趨勢(shì)是時(shí)間序列建模的初步工作。目的是為了分析時(shí)間序列的規(guī)律和序列特征，如序列是否平穩(wěn)？是否有周期性或者趨勢(shì)性？并由此分析哪些分析模型更適合。

操作如下：

第一步，使用類型轉(zhuǎn)換節(jié)點(diǎn)將字符型的日期型轉(zhuǎn)化為日期型。節(jié)點(diǎn)配置如下：

第二步，使用時(shí)間選擇節(jié)點(diǎn)選擇選擇85年 - 95年的數(shù)據(jù)的進(jìn)行分析。數(shù)據(jù)如下：

第三步，設(shè)置時(shí)間區(qū)間，節(jié)點(diǎn)配置如下：

第四步，使用時(shí)序圖節(jié)點(diǎn)分析序列的趨勢(shì)，節(jié)點(diǎn)配置如下：

從下圖可以看出，序列整體呈下降趨勢(shì)，沒(méi)有明顯的周期性。

4.簡(jiǎn)單序列預(yù)測(cè)

工作流如下：

接下來(lái)，我們選擇一個(gè)簡(jiǎn)單的移動(dòng)平均預(yù)測(cè)算法進(jìn)行預(yù)測(cè)。步驟如下：

第一步，使用時(shí)間區(qū)間節(jié)點(diǎn)設(shè)置時(shí)間區(qū)間為“月”， 匯總配置中按照月對(duì)數(shù)據(jù)進(jìn)行匯總，配置如下：

該節(jié)點(diǎn)執(zhí)行前數(shù)據(jù)預(yù)覽如下：

執(zhí)行后數(shù)據(jù)預(yù)覽如下：

第二步，使用移動(dòng)平均節(jié)點(diǎn)進(jìn)行移動(dòng)平均計(jì)算。節(jié)點(diǎn)配置如下：

執(zhí)行后預(yù)覽數(shù)據(jù)如下：

第三步，使用派生字段節(jié)點(diǎn)計(jì)算殘差，節(jié)點(diǎn)配置如下：

第四步，使用時(shí)序圖節(jié)點(diǎn)可視化預(yù)測(cè)結(jié)果。節(jié)點(diǎn)配置如下：

如上圖所示，移動(dòng)平均算法對(duì)該時(shí)間序列的趨勢(shì)有一定預(yù)測(cè)能力，該模型也總結(jié)一些規(guī)律，但是尚有一些規(guī)律并未總結(jié)出。這是一個(gè)趨勢(shì)性非平穩(wěn)序列，您還可以考慮使用指數(shù)平滑模型、ARIMA模型、殘差自回歸模型等重新建模。

5.重新建模

使用<時(shí)間區(qū)間>節(jié)點(diǎn)數(shù)據(jù)直接進(jìn)行重新建模。

第一步：使用類型節(jié)點(diǎn)制定角色。配置如下：

本次建模選用指數(shù)平滑模型，配置如下：

執(zhí)行結(jié)果如下，得到時(shí)間散點(diǎn)圖和預(yù)測(cè)數(shù)據(jù)：

小結(jié)

時(shí)間序列分析是數(shù)據(jù)挖掘最難的算法之一。當(dāng)然它也有一個(gè)好處，就是建模之前的數(shù)據(jù)量一般都很小，一般只有幾十條到幾百條記錄（如果您的預(yù)測(cè)粒度是月，那么每年才12條數(shù)據(jù)，10年才120條），因此模型計(jì)算很快。

時(shí)間序列預(yù)測(cè)法就是通過(guò)編制和分析時(shí)間序列，根據(jù)時(shí)間序列所反映出來(lái)的發(fā)展過(guò)程、方向和趨勢(shì)，進(jìn)行類推或延伸，借以預(yù)測(cè)下一段時(shí)間或以后若干年內(nèi)可能達(dá)到的水平。

本次操作案例的時(shí)間序列預(yù)測(cè)的工作流如下：

1. 商業(yè)目標(biāo)

業(yè)務(wù)理解：該案例所用的數(shù)據(jù)是《銷售數(shù)據(jù).csv》，該數(shù)據(jù)包含銷售日期、銷量和利潤(rùn)（萬(wàn)元）三個(gè)指標(biāo)，如下：

業(yè)務(wù)目標(biāo)：建立預(yù)測(cè)分析系統(tǒng)，分析利潤(rùn)在未來(lái)的預(yù)測(cè)值。

數(shù)據(jù)挖掘目標(biāo)：建立時(shí)間序列預(yù)測(cè)模型，該模型以日期為輸入，以利潤(rùn)為目標(biāo)，建立預(yù)測(cè)模型。

2.數(shù)據(jù)理解

使用<數(shù)據(jù)審核>節(jié)點(diǎn)計(jì)算字段的特征統(tǒng)計(jì)量，輸出結(jié)果如下：

3.分布趨勢(shì)分析

分析時(shí)間序列趨勢(shì)是時(shí)間序列建模的初步工作。目的是為了分析時(shí)間序列的規(guī)律和序列特征，如序列是否平穩(wěn)？是否有周期性或者趨勢(shì)性？并由此分析哪些分析模型更適合。

操作如下：

第一步，使用類型轉(zhuǎn)換節(jié)點(diǎn)將字符型的日期型轉(zhuǎn)化為日期型。節(jié)點(diǎn)配置如下：

第二步，使用時(shí)間選擇節(jié)點(diǎn)選擇選擇85年 - 95年的數(shù)據(jù)的進(jìn)行分析。數(shù)據(jù)如下：

第三步，設(shè)置時(shí)間區(qū)間，節(jié)點(diǎn)配置如下：

第四步，使用時(shí)序圖節(jié)點(diǎn)分析序列的趨勢(shì)，節(jié)點(diǎn)配置如下：

從下圖可以看出，序列整體呈下降趨勢(shì)，沒(méi)有明顯的周期性。

4.簡(jiǎn)單序列預(yù)測(cè)

工作流如下：

接下來(lái)，我們選擇一個(gè)簡(jiǎn)單的移動(dòng)平均預(yù)測(cè)算法進(jìn)行預(yù)測(cè)。步驟如下：

第一步，使用時(shí)間區(qū)間節(jié)點(diǎn)設(shè)置時(shí)間區(qū)間為“月”， 匯總配置中按照月對(duì)數(shù)據(jù)進(jìn)行匯總，配置如下：

該節(jié)點(diǎn)執(zhí)行前數(shù)據(jù)預(yù)覽如下：

執(zhí)行后數(shù)據(jù)預(yù)覽如下：

第二步，使用移動(dòng)平均節(jié)點(diǎn)進(jìn)行移動(dòng)平均計(jì)算。節(jié)點(diǎn)配置如下：

執(zhí)行后預(yù)覽數(shù)據(jù)如下：

第三步，使用派生字段節(jié)點(diǎn)計(jì)算殘差，節(jié)點(diǎn)配置如下：

第四步，使用時(shí)序圖節(jié)點(diǎn)可視化預(yù)測(cè)結(jié)果。節(jié)點(diǎn)配置如下：

如上圖所示，移動(dòng)平均算法對(duì)該時(shí)間序列的趨勢(shì)有一定預(yù)測(cè)能力，該模型也總結(jié)一些規(guī)律，但是尚有一些規(guī)律并未總結(jié)出。這是一個(gè)趨勢(shì)性非平穩(wěn)序列，您還可以考慮使用指數(shù)平滑模型、ARIMA模型、殘差自回歸模型等重新建模。

5.重新建模

使用<時(shí)間區(qū)間>節(jié)點(diǎn)數(shù)據(jù)直接進(jìn)行重新建模。

第一步：使用類型節(jié)點(diǎn)制定角色。配置如下：

本次建模選用指數(shù)平滑模型，配置如下：

執(zhí)行結(jié)果如下，得到時(shí)間散點(diǎn)圖和預(yù)測(cè)數(shù)據(jù)：

小結(jié)

時(shí)間序列分析是數(shù)據(jù)挖掘最難的算法之一。當(dāng)然它也有一個(gè)好處，就是建模之前的數(shù)據(jù)量一般都很小，一般只有幾十條到幾百條記錄（如果您的預(yù)測(cè)粒度是月，那么每年才12條數(shù)據(jù)，10年才120條），因此模型計(jì)算很快。