시계열 실험 만들기 및 구성

4단계: 그룹 선택

이 자습서의 교육 데이터 집합은 다변량 예측을 위해 설계되었습니다. 다변량 예측의 대상은 대상과 직접적으로 관련된 다른 차원과 함께 대상 값을 예측하는 것입니다. 예를 들어, 이 자습서의 데이터에는 각 매장과 제품군별로 개별적으로 추적된 판매 메트릭이 포함되어 있습니다. 다변량 예측을 사용하면 이러한 각 차원을 단일 실험으로 결합할 수 있습니다. 이 경우 각 차원은 별도의 모델로 교육해야 할 수 있지만, 이를 통해 모델은 서로 다른 데이터 집단 간의 패턴과 상호 작용에 대해 더 많이 학습할 수 있습니다.

교육 데이터에서 최대 두 개의 열을 선택하여 그룹으로 사용하여 다변량 실험을 구성합니다.

이 자습서의 목표는 매장 수와 제품군과 함께 판매량을 학습하고 예측하는 모델을 학습하는 것이므로 이 두 열을 그룹으로 선택합니다.

다음과 같이 하십시오.

• store_nbr 및 family를 그룹으로 선택합니다.

5단계: 공변량(기능) 구성

"공변량"과 "기능"이라는 용어는 기계 학습에서 종종 동의어로 사용되지만, Qlik 프로젝트의 시계열 예측에서는 "공변량"이라는 용어가 더 일반적으로 사용되고 설명적입니다. 다변량 시계열 모델에는 정적, 과거, 미래의 세 가지 유형의 공변량이 있습니다.

정적 공변량과 과거 공변량은 그룹, 날짜 인덱스, 미래 기능 외에 실험 교육에 포함하는 기능에 속합니다. 정적 공변량과 과거 공변량은 시스템에 의해 자동으로 식별됩니다. 이러한 기능을 기능으로 포함하는 것(그리고 향후 기능으로 구성하는 것을 피하는 것) 외에는 구성할 필요가 없습니다.

미래 공변량 또는 미래 기능은 교육에 포함하는 기능을 의미하기도 합니다. 미래 공변량은 미리 알 수 있는 미래 데이터가 있는 기능입니다. 특히, 선택한 예측 기간에 걸쳐 이 기능에 대한 미래 값에 액세스할 수 있습니다. 향후 기능을 위해서는 모델이 교육된 기록 시간 범위에 대한 데이터 값도 알아야 합니다.

교육 기능 목록에 미래 기능을 포함하는 것 외에도 교육 구성 패널에서 미래 기능으로 구성해야 합니다. 예측 시점에 모델은 정확한 예측을 생성하기 위해 예측 범위에 걸친 미래 기능 데이터를 예측합니다.

교육 데이터에서 onpromotion 기능은 지정된 날짜에 프로모션 가격으로 얼마나 많은 제품이 할인되었는지 추적합니다. 이는 미리 알려진 정보이며, 향후에 사용할 수 있는 데이터가 있으므로 향후 기능으로 활용할 수 있습니다.

다음과 같이 하십시오.

• 그룹 드롭다운 아래에서 향후 기능을 확장하고 onpromotion을 선택합니다.

요약:

• onpromotion이 미래 기능으로 선택되었습니다.

• 날짜 인덱스 외에는 다른 공변량은 교육을 위해 선택되지 않았습니다.