手机站:/m

网站空间_vs怎么连云服务器哪里好-接数据库_最新活动

时间:2021-09-28 12:20编辑:淘客樊里来源:淘客樊里当前位置:主页 > 云存储 >

预测不同产品的销售是一项耗时的任务,云服务器租用价格,因为不同的产品会显示出不同的趋势和季节变化,因此需要对每个产品进行单独的预测。一方面,预测关键绩效指标(如成本或销售额)对于企业来说很重要,以便对不希望的发展采取主动行动,但另一方面,像数据科学家这样的高技能资源不会因这样的繁琐任务而过度兴奋。这就是为什么SAP Analytics Cloud with Smart Predict为业务用户提供了一个解决常见预测用例的工具集。有了这一点,业务分析师可以自己解决标准的统计用例,从而将数据科学家从日常工作中解放出来,并为他提供更多的时间来完成繁重的工作。

本指南将引导我们了解一个在线购物门户网站的销售预测过程,该门户网站以24种不同的产品销售美容和医药产品类别。

首先登录到SAP analytics云实例。

开始之前,请查看您的配置文件设置,并确保数字格式设置为"1234.56"。

登录后,需要上载数据集。为此,我们单击左上角的菜单,选择"创建"并单击"数据集"。

在弹出窗口中,我们选择"从文件上载的数据"。

我们选择源文件"产品"_预测.csv,单击"导入",爱淘客,然后单击"确定"。

现在我们已经上传了数据集,我们可以开始构建我们的预测场景。我们在菜单上选择"创建",然后选择"预测场景"。

具有共同特征的预测场景集。SAP分析云的智能预测目前提供3种预测场景:

分类场景预测(目标)变量的值,该变量只能有两个值,如yes和no或0和1。分类场景的示例包括客户流失与目标变量预测客户是否会离开目标变量预测顾客是否会购买提供给他的产品的购买倾向目标变量表示交易或索赔是否欺诈的欺诈行为回归场景根据描述目标变量的变量来预测目标变量的数值。回归场景的例子是午餐时间逛商店的顾客人数下一季度客户的收入旧车的售价时间序列情景预测一个变量随时间变化的值,阿里大数据,并考虑进一步的描述性变量。时间序列场景的例子是未来几个季度产品线的收入一个城市未来几天租用的自行车数量未来几个月的差旅费

用户现在必须遵循3个简单的步骤:

在学习阶段包含销售额并在应用阶段预测的变量称为目标变量。

下面的屏幕截图显示了分类、回归和时间序列三个选项。在每个选项下都有一个描述,以便于用户为每个用例选择正确的场景。在本练习中,我们要对每个产品进行销售预测。根据预测场景类型的描述,您可以看到时间序列将能够满足我们的需求。因此,我们选择它。

在弹出窗口中,我们给模型一个名称,例如"产品计划预测",并将其保存在我们的首选文件夹中。

现在我们可以创建预测模型。

我们需要为模型选择一个输入数据源。输入数据集包含我们用来训练预测模型的历史数据。

从文件夹中选择"产品预测"。

现在我们需要选择变量角色:

信号变量是我们的目标变量,即要预测的变量。我们选择"Sales"作为信号变量。

日期变量包含时间维度。在本例中,日期变量是指数据集中的日期列。

实体变量允许我们为每个实体自动创建一个时间序列。在我们的示例中,我们希望为每个产品类别创建一个时间序列,并且产品类别包含在数据集的ProductCategory列中。因此,我们使用此列作为变量"实体"。

对目标没有影响的变量可以从建模过程中排除。排除变量可以加快执行过程,但保持它们不会干扰建模过程。ID是要排除的典型变量。

但是,您必须排除与目标变量直接相关的变量,例如目标变量的转换和间接包含与目标变量相同信息的变量。例如,如果一个数据集包含两个包含销售编号的字段,可能只是使用不同的货币,您需要排除一个变量。

我们可以定义培训数据集的最后日期,但我们坚持默认设置,因此我们选择"过程"作为"所有观察",选择"直到"作为"最后观察"。

我们可以选择培训日期最后一次观察,我们可以定义最后一个日期。

最后,我们将预测期数设置为3。

让我们用这些设置运行预测模型。

我们单击"训练和预测"。

请耐心等待,云呢拿,因为这可能需要几分钟。

培训过程完成后,预测状态更新为"成功"。其中,显示了水平宽MAPE(平均绝对百分比误差)。它是在使用模型估计信号的未来值时对"误差"的评估。在这种情况下,你会看到所有线段的平均MAPE值,分段时间序列的平均质量为3.24%。

我们从顶部分段中选择一个。

当转到下一个屏幕时,我们将看到详细的时间序列图以及所有预测。

我们在折线图中看到以下信息:

上一篇域名备案_吴小瑞终企业云服务器-极黄金百度云_高性价比

下一篇专属服务器_服大数据时代纪录片-务器的搭建_优惠

云市场知识本月排行

云市场知识精选