# 折れ線グラフを使用した時系列予測 ビジネス ユーザーとアナリストは、多くの場合、時間の経過に伴うトレンドとしてメジャーを監視し、時系列予測を使用して、観測の履歴シーケンスが将来どのように続くかを推定できます。トレンド ラインがどのように進化する可能性があるかを予測する機能は、戦略と意思決定に情報を与えることができます。Qlik Cloud では、時系列予測オプションにより、折れ線グラフで生成および表示された予測値でトレンド ラインを拡張するビジュアライゼーションが生成されます。採用された方法に応じて、影付きの領域または信頼区間の表示は、構成可能な信頼水準で可能な値を表示します。時系列予測は、信頼できる予測関数を使用して作成されます。 SSA (特異スペクトル分析) アルゴリズムは信頼区間を提供し、OLS (通常の最小二乗) 法は単純な線形回帰直線を提供します。 OLS 法で構築された時系列予測チャート OLS 法で構築された時系列予測チャート OLS 法で構築された時系列予測チャート ![OLS 法で構築された時系列予測チャート](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_OLS_rev.png) SSA 法で構築された時系列予測チャート SSA 法で構築された時系列予測チャート SSA 法で構築された時系列予測チャート ![SSA 法で構築された時系列予測チャート](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_SSA_rev.png) 時系列予測は、予測値を履歴値と明確に区別します。ビジュアライゼーションは、軸のプロパティの [予測ステップ] と [ステップ サイズ] 乗数の選択によって構成されたとおりに、予測を段階的に表示します。メジャーで SSA 法を選択すると、予測信頼区間を表す影付きの領域が表示されます。この間隔は、次のメジャー プロパティを介して構成されます: [信頼度を表示] と [信頼度レベル]。影付きの領域は、妥当な値の間隔 (例: 95%) を示しています。これは、将来の値が 95% の確率で影付きの領域内にあると予想されることを意味します。 [Time series forecasting](https://play.vidyard.com/xGKootWFwW6RqSnhqGUitu) ## 要件とプロパティの動作 次の要件が満たされると、詳細オプションのメジャー プロパティに予測トグルが表示されます。 * 数値または時間軸 * 1つのメジャーと 1 つの軸 * 軸の目盛線は連続している必要があります。 メジャーが数値または時間軸であり、軸の目盛線が連続している場合にのみ、[予測] トグル設定がメジャー プロパティに表示されることに注意してください。オンに切り替えると、予測時系列プロパティが軸パネルとメジャー パネルの両方に表示されます。軸のプロパティは、地平線の距離と増分の設定に対応します。メジャー プロパティ設定方法、ラインとシャドウのスタイリング、信頼度の設定とレベル。 ## OLS および SSA 法 OLS (通常の最小二乗) は、観測された従属変数と予測された従属変数の差の 2 乗の合計を最小化することによってトレンド ラインを計算する単純な回帰モデルの方法です。この時系列予測オプションは、ユーザーがデータの線形トレンドを確認したい場合に適しています。ノイズや外れ値を制御するのではなく、すべてのデータを使用して線形回帰直線を生成するだけです。 OLS と比較して、SSA (特異スペクトル分析) は、ノイズと季節性、トレンドを識別することができる高度なアルゴリズムです。SSA では、データを十分に定期的にサンプリングする必要があります。特定の制限を超えると、データが不規則すぎることを示すエラーが返されます。SSA は、周期的または振動的な動作を伴うトレンドを予測するための最良のオプションです。 SSA 法を使用して予測を作成する場合、このアルゴリズムは依存メジャーがとる可能な値の範囲の中央を推定します。この線は、取ることができる値の範囲を提供する予測区間によって拡張されます。多くの可能な値を表示する代わりに、予測区間は影付きの領域として表示されます。 ## 時系列予測の制限 時系列予測には、次の制限があります。 * ドリルダウン軸の予測は有効になっていません。 * フォアキャストは、複数の軸があるチャートでは有効ではありません。1 つの軸と複数のメジャーの場合、フォアキャストを有効にできるのは 1 つのメジャーだけです。 * 予測は、既定の並べ替えが行われている場合にのみ機能します。詳しくは「[ビジュアライゼーションのソート変更 (ビジュアライゼーション)](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/change-sorting-of-visualization.htm)」を参照してください。 * 最低データポイント: OLS には、少なくとも 2 つのデータ ポイントが必要です。SSA には少なくとも 6 つのデータ ポイントが必要です。 * 最高データポイント: 5000 を超えるデータ ポイントを持つデータセットでアルゴリズムを使用することはお勧めしません。5000 を超えるデータ ポイントを持つデータセットの時系列予測を実行すると、ユーザーはパフォーマンスの問題に遭遇し始めます。ユーザーとアプリケーションの設計者は、必要に応じて計算条件を使用して、選択によってデータセットが縮小されたときにチャートが表示されるようにする必要があります。選択は継続的である必要があります。不規則な時間サンプリングについては、以下の点を参照してください。 * 予測は、特定の状況下では不規則な時間サンプリングでも機能します。OLS は、時系列予測や規則的なデータに限定されないので、常に機能します。SSA では、データ サンプリングが十分に定期的である必要があり、課された制限を超えると、データが不規則すぎることを示すエラーが返されます。 * オフラインモードの Qlik Analytics モバイル アプリではフォアキャストは機能しません。 * フォアキャストを含むアプリケーションを Qlik Cloud からエクスポートして QSEoW にインポートした場合、フォアキャスト チャートは表示されません。QSEoW ではフォアキャストはサポートされていません。 * 折れ線グラフを Microsoft Excel ファイルとしてダウンロードする場合、フォアキャスト値はファイルに含まれません。 * 折れ線グラフを右クリックして [データの表示] を選択しても、フォアキャスト値は表示されません。 * 折れ線グラフ内の軸またはメジャーのいずれかで表示条件が使用されている場合、時系列予測は使用できません。 ## 例 [](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/LineChart/timeseries-forecast.htm) #### 例 - 時系列予測 この例では、時系列予測を有効にして折れ線グラフを作成しています。この例では、以下の 2 つの項目を持つデータセットを使用しています。連続軸の [Date] と、メジャーの 1 日の電力使用量 (キロワット時) の [Tot-KWh]。フォアキャストは、設定可能な信頼区間内でエネルギー消費率がどの程度になるかをビジュアライゼーションする上で有効です。 ロード スクリプト 次のデータをインライン ロードとしてデータ ロード エディタにロードします。 ``` MyTable: Load * Inline [ Date,Tot-KWh 2021-10-27,269 2021-10-28,380 2021-10-29,410 2021-10-30,380 2021-10-31,344 2021-11-01,275 2021-11-02,299 2021-11-03,545 2021-11-04,326 2021-11-05,405 2021-11-06,333 2021-11-07,395 2021-11-08,416 2021-11-09,697 2021-11-10,500 2021-11-11,600 2021-11-12,560 2021-11-13,494 2021-11-14,362 2021-11-15,470 2021-11-16,366 2021-11-17,548 ]; ``` インライン ロードの使用の詳細については、「[インライン ロードを使用したデータのロード](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/Scripting/inline-loads-qs.htm)」を参照してください。 時系列予測による折れ線グラフの作成 次の手順を実行します。 1. アセット パネルから、空の折れ線グラフを新しいシートにドラッグします。 2. [クリックしてタイトルを追加する] を選択して、チャートに「1 日の電力消費量を KW 時間で表示」という名前を付けます。 3. [軸を追加] を選択し、Date 項目を追加します。 4. [メジャーの追加] を選択して、メジャー [Avg([Tot-KWh])] を追加します。 5. [スタイル] セクションで [プレゼンテーション] プロパティを展開し、[スクロールバー] に [なし] を選択します。 6. メジャーのプロパティを開き、以下のプロパティを選択します。 * セレクターで [フォアキャスト] をオンにします。 * [色] を #006580) に変更します。 * スライダーを動かして [線の太さ] を 2 に変更します。 * [線の種類] を選択します: 破線。 * [線の屈曲度] は以下のように既定値のままにします: 線形。 * [信頼度を表示] は以下のように既定値のままにします: オン。 * [信頼度レベル] の値を既定値の .95 から .85 に変更します。 フォアキャストのメジャー プロパティ フォアキャストのメジャー プロパティ フォアキャストのメジャー プロパティ![フォアキャスト メジャー プロパティ](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_MeasureProps.png) 7. メジャーのプロパティを開き、以下のプロパティを選択します。 * [フォアキャスト ステップ] は既定値の 3 のままにします。 * [ステップ サイズ] の乗数は既定値を 1 のままにします。 * 時間と数字の単位のドロップダウン選択はそのままにします: 日。 フォアキャストの軸プロパティ フォアキャストの軸プロパティ フォアキャストの軸プロパティ![フォアキャスト軸プロパティ](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_DimensionProps.png) 日間隔のフォアキャストを含む折れ線グラフ 日間隔のフォアキャストを含む折れ線グラフ 日間隔のフォアキャストを含む折れ線グラフ ![日感覚の時系列予測が可能な折れ線グラフ](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_Timeseries_UnitDay.png) 8. 軸プロパティの拡張: * [フォアキャスト ステップ] の値は 3 のままにします。 * [ステップ サイズ] の乗数は既定値を 1 のままにします。 * 時間と数字の単位のドロップダウン選択を以下のように変更します: 週。 9. [プレゼンテーション] セクションで、[データ ポイントの表示] を選択します。 3 週間の週間隔でのフォアキャスト 3 週間の週間隔でのフォアキャスト 3 週間の週週間隔でのフォアキャスト ![3 週間の週間隔でのフォアキャスト](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_3Weeks.png) 10. 軸プロパティの拡張: * [フォアキャスト ステップ] の値は 21 に変更します。 * [ステップ サイズ] の乗数は既定値を 1 のままにします。 * 時間と数字の単位のドロップダウン選択を以下のように変更します: 日。 11. [プレゼンテーション] セクションで、[データ ポイントの表示] を選択します。 このデモでは、同じ時間間隔でも、時間単位の粒度 (日と週) によって、予測の表示が大きく異なることを示しています。 3 週間の日間隔でのフォアキャスト 3 週間の日間隔でのフォアキャスト 3 週間の日日間隔でのフォアキャスト ![3 週間の日間隔でのフォアキャスト](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_21Days.png) 情報メモ同じ時間を予測するチャートでも、粒度が変わると形が大きく変わることに注意してください。 ## Qlik Predict を使用した時系列予測 Qlik Predict を使用すると、時系列データに基づいて将来の指標を予測する機械学習モデルをトレーニングできます。予測は時間に固有のものであり、分析アプリケーションの折れ線グラフやその他のビジュアライゼーションに組み込むことができます。モデルを用いることで、複数の特徴量を活用し、ターゲット メトリクスに基づいてデータを分類した各グループに対して、個別の予測を行うことが可能になります。これにより、多変量シナリオ (複数の変数が時間の経過とともに相互作用するシナリオ) のパターンを分析および予測できます。 Qlik Predict で時系列予測を作成するには、時系列実験を作成し、新しいデータで予測を作成するモデルを展開します。 詳細は以下をご覧ください。 * [時系列実験の作業](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm) * [多変量時系列予測の作業](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm) 関連する学習コンテンツ： * [Qlik Cloud の時系列データに基づいて予測するにはどうすればよいですか?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud) ## 詳細を見る * [Qlik Cloud の時系列データに基づいて予測するにはどうすればよいですか?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)