大數(shù)據(jù)分析與可視化 課件 預測模型1.0

大數(shù)據(jù)分析平臺

預測分析模型預測分析模型的介紹01預測分析模型的應用場景目錄CONTENTS02預測分析模型的介紹

在大數(shù)據(jù)實訓平臺中，我們采用Holt-Winters（平滑指數(shù)法）模型，對全部歷史數(shù)據(jù)采用逐步衰減的不等加權(quán)辦法進行數(shù)據(jù)處理的一種預測方法。它是以指數(shù)方式對時間序列的級別、趨勢和季節(jié)分量進行加權(quán)移動平均值篩選。Holt-Winters（指數(shù)平滑法）：遵循“重近輕遠”的原則，對全部歷史數(shù)據(jù)采用逐步衰減的不等加權(quán)辦法進行數(shù)據(jù)處理的一種預測方法。Holt-Winters預測的輸出是三條不同的曲線：一條顯示目標度量的一般變化的擬合曲線，一條預測未來趨勢的預測曲線，以及一個顯示不安全性隨著預測值離已知值越遠而不斷增加的置信區(qū)間。

預測模型可用于銷售行業(yè)的預測，鐵路運輸旅客周轉(zhuǎn)量的數(shù)據(jù)等等。參數(shù)設置

在創(chuàng)建好“折線圖”后，選擇“預測-Holt-Winters”模型，進行參數(shù)設置：

對于級別（alpha）、趨勢（beta）、季節(jié)性（gamma）三個參數(shù)設置范圍都是：0<參數(shù)≤1，值較小表示X軸方向上較舊值的權(quán)重更高一些。值接近1.0表示最新值的權(quán)重較高。該字段留空可讓Holt-Winters函數(shù)自動查找該參數(shù)的最佳值；

對于頻率這個參數(shù)，只有模型中包含季節(jié)(Gamma)分量時才適用。指定每個采樣期間的觀察次數(shù)。例如，每月數(shù)據(jù)的頻率為12。頻率必須大于1，以便擬合季節(jié)分量；

對于時間點提前這個參數(shù)，指定至未來的時間點（節(jié)點）數(shù)量，其用于預測時間序列的值。如果圖表顯示月份，則向前時間點數(shù)等于要向前預測的月數(shù)。如果圖表顯示年份，則向前時間點數(shù)代表要向前預測的年數(shù)；

對于置信級別這個參數(shù)，指定置信級別。此值應該大于0而小于1。預測分析模型的介紹01預測分析模型的應用場景目錄CONTENTS02預測分析模型的應用場景我們對某費用數(shù)據(jù)采用Holt-Winters模型，做出擬合曲線并預測分析：級別(alpha)=0.6486，意味著當期預測是介于近期值的權(quán)重稍大一點，這也符合預測的方法，根據(jù)提供的最近的數(shù)據(jù)去預測未來幾年的數(shù)據(jù)趨勢；趨勢(beta)=0，表明趨勢部分的斜率在整個時間序列上變化基本不變，這個也符合我們的直觀感受，水平改變非常多，但是趨勢部分斜率是基本不變的；季節(jié)性(gamma)未啟用，表明當期數(shù)據(jù)的預測，季節(jié)性影響不大；頻率=4，表明當前以4個季度為一個觀測周期；時間點提前=12，表明向前預測未來12個季度的數(shù)據(jù)。

在實際應用預測過程中，可能要給不同時間段的數(shù)據(jù)設置不同的權(quán)重，比如：節(jié)假日活動期間或者是市場因素等，來對預測結(jié)果進行修正。這時候我們可以設置：級別(alpha)、趨勢(beta)和季節(jié)性(gamma)的值來滿足需求，它們的取值范圍在0到1之間，當值較小表示X軸方向上較舊值的權(quán)重更高一些。值接近