預測建模函數

套用到： Tableau Cloud, Tableau Desktop, Tableau Public, Tableau Server

本文介紹預測建模函數及其在 Tableau 中的用法。它還示範了如何使用預測建模函數建立表格計算。

為什麼使用預測建模函數

預測建模函數可以幫您快速建立可以使用進行操作、視覺化和匯出的預測，就像資料使用表計算。

以前，您可能必須將 Tableau 與 R 和 Python 整合，以便執行進階統計計算並在 Tableau 中將它們視覺化。現在，您可以透過不同預測變數的組合更新變數和視覺化的多個模型來選擇目標和預測變數。資料可在所有詳細資料層級加以篩選、彙總與轉換，並自動重新計算輸入值和預測值，以符合視圖中的資料。

欲知有關在 Tableau 預測建模函數的詳細資訊，請參閱預測建模函數在 Tableau 中的運作方式

Tableau 中可用的預測建模函數

MODEL_PERCENTILE

語法MODEL_PERCENTILE(
model_specification (optional),
target_expression,
predictor_expression(s))
定義傳回預期值的概率（介於 0 和 1 之間）小於或等於目標運算式和其他預測值定義的觀測標記。這是後驗預測分佈函數，也稱為累積分佈函數 (CDF)。
範例
MODEL_PERCENTILE( SUM([Sales]),COUNT([Orders]))

MODEL_QUANTILE

語法MODEL_QUANTILE(
model_specification (optional),
quantile,
target_expression,
predictor_expression(s))
定義在指定的分位數傳回目標運算式和其他預測值定義的可能範圍內的目標數值。這是後驗預測分位數。
範例
MODEL_QUANTILE(0.5, SUM([Sales]), COUNT([Orders]))

建立預測計算

請按照以下步驟學習如何使用 MODEL_QUANTILE 函數建立表計算。有關更詳細的範例，請參閱範例 - 利用預測建模函數探索女性預期壽命。

步驟 1：建立視覺效果

  1. 在 Tableau Desktop 中，連線到 Tableau 附帶的[範例 - 超級市場]已儲存資料來源。
  2. 巡覽到工作表。
  3. 從「資料」窗格中，將[Order Date]（訂單日期）範圍拖曳至「欄」資料架。
  4. 開啟度量值的上下文功能表，將其清單層級更改為「月」和「年」:

  5. 將[Sales]（銷售額）拖曳至「列」架。

步驟 2：建立計算欄位

  1. 按下以開啟頂端「分析」功能表，然後選擇「建立計算欄位」。
  2. 在「計算編輯器」中，執行以下操作：
    • 為計算命名：Predict Median Sales。
    • 輸入以下公式：
      MODEL_QUANTILE(0.5, SUM([Sales]),ATTR(DATETRUNC('month', [Order Date])))

      請記住：MODEL_QUANTILE 具有給定的分位數，並根據您輸入的預測變數來預測值。

      讓我們詳細說明：

      • 在這種情況下，分位數 = 0.5，它可預測中位數。
      • 我們想要預測銷售額，所以目標運算式是 SUM([Sales])。
      • 我們希望根據過去的效能進行預測，因此我們將日期當作預測變數，這是計算中的最後一個參數。
  3. 完成後，按一下「確定」。

預測計算現在作為計算欄位新增到「資料」窗格中。

步驟 3：為視圖新增預測計算

  1. 將預測計算拖曳到「行」資料架， SUM(Sales) 右邊。
  2. 以右鍵按一下（在 Mac 上，Control+按一下）度量，並選取 「雙軸」。
  3. 為了使雙軸圖中的兩個軸對齊以使用相同的刻度，請以右鍵按一下（在 Mac 上， Control + 按一下）輔助軸，在此情況下是「Predict Median Sales」，並選取「同步軸」。這會兩個軸的比例相符。

就是這樣。若要瞭解如何擴展日期軸並預測未來，請參閱在時間序列視覺化中的預測建模函數。

預測計算的規則

  • 您不能混合彙總參數和非彙總參數。如果目標運算式是彙總運算式，則預測變數也必須如此。
  • 函數最適合用於預測在視覺效果上，單一紀錄的值，其中每個標記表示離散實體，如人員、產品、銷售等。
  • 函數最適合用 SUM 和 COUNT 預測彙總目標運算式的值。
  • 不建議函數用 AVG，MEDIAN，MIN 和 MAX 預測彙總目標運算式的值。
  • 運算式應該使用相同詳細資料層級或高於視覺效果的預測變數。
返回頂端
感謝您的意見反應！已成功提交您的意見回饋。謝謝！