기본 콘텐츠로 건너뛰기

STL_Seasonal - 차트 함수

STL_Seasonal은 시계열 분해 함수입니다. STL_TrendSTL_Residual과 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. STL_Seasonal 함수는 시계열 내에서 계절성 패턴을 식별하여 데이터에 표시되는 일반적인 추세와 구분할 수 있습니다.

세 가지 STL 함수는 간단한 합계를 통해 입력 메트릭과 관련되어 있습니다.

STL_Trend + STL_Seasonal + STL_Residual = 입력 메트릭

STL(Loess를 사용한 계절성 및 추세 분해)은 데이터 스무딩 기술을 사용하며 입력 매개 변수를 통해 사용자가 수행하는 계산의 주기성을 조정할 수 있습니다. 이 주기성은 분석에서 입력 메트릭(측정값)의 시간 차원이 분할되는 방식을 결정합니다.

최소한 STL_Seasonal은 입력 메트릭(target_measure)과 period_int에 대한 정수 값을 가져와 부동 소수점 값을 반환합니다. 입력 메트릭은 시간 차원에 따라 달라지는 집계 형식입니다. 선택적으로 매끄러운 알고리즘을 조정하기 위해 seasonal_smoothertrend_smoother에 대한 값을 포함할 수 있습니다.

차트의 식 편집기에 직접 입력하거나 측정값에 시계열 분해 수정자를 추가하여 이 함수를 사용할 수 있습니다. 통찰력에서 분석 유형으로 사용할 수도 있습니다. 자세한 내용은 시계열 분해통찰력 분석 유형를 참조하십시오.

구문:  

STL_Seasonal(target_measure, period_int [,seasonal_smoother [,trend_smoother]])

반환 데이터 유형: dual

인수
인수 설명
target_measure

계절성 및 추세 구성 요소로 분해할 측정값입니다. 이는 시간 차원에 따라 변하는 Sum(Sales) 또는 Sum(Passengers)와 같은 측정값이어야 합니다.

이는 상수 값이 아니어야 합니다.

period_int

데이터 집합의 주기성입니다. 이 매개 변수는 신호의 한 주기 또는 계절성 주기를 구성하는 불연속 단계의 수를 나타내는 정수 값입니다.

예를 들어 시계열이 연도의 각 분기에 대해 하나의 섹션으로 분할되는 경우 주기성을 연도로 정의하려면 period_int 값을 4로 설정해야 합니다.

seasonal_smoother

계절성 스무더의 길이. 이 값은 홀수 정수여야 합니다. 계절성 스무더는 여러 기간에 걸쳐 계절성 변동의 특정 단계에 대한 데이터를 사용합니다. 각 기간에서 시간 차원의 하나의 불연속 단계가 사용됩니다. 계절성 스무더는 스무딩에 사용된 기간 수를 나타냅니다.

예를 들어 시간 차원이 월별로 분할되고 기간이 연도(12)인 경우 계절성 구성 요소가 계산되므로 각 연도의 특정 월이 해당 연도와 인접 연도 모두에서 같은 달의 데이터에서 계산됩니다. seasonal_smoother 값은 스무딩에 사용된 년 수입니다.

trend_smoother

추세 스무더의 길이. 이 값은 홀수 정수여야 합니다. 추세 스무더는 period_int 매개 변수와 동일한 시간 배율을 사용하며 해당 값은 스무딩에 사용되는 과립의 수입니다.

예를 들어 시계열이 월별로 분할된 경우 추세 스무더는 스무딩에 사용된 월 수가 됩니다.

STL_Seasonal 차트 함수는 다음 함수와 함께 사용되는 경우가 많습니다.

관련 함수
함수 상호 작용
STL_Trend - 차트 함수 시계열의 추세 구성 요소를 계산하는 데 사용되는 함수입니다.
STL_Residual - 차트 함수 입력 메트릭을 계절성 및 추세 구성 요소로 나눌 때 측정값 변동의 일부가 두 가지 주요 구성 요소에 맞지 않습니다. STL_Residual 함수는 분해의 이 부분을 계산합니다.

이 함수를 사용하는 방법을 보여 주는 전체 예가 포함된 자습서는 자습서 - Qlik Sense의 시계열 분해을 참조하십시오.

이 페이지가 도움이 되었습니까?

이 페이지 또는 해당 콘텐츠에서 오타, 누락된 단계 또는 기술적 오류와 같은 문제를 발견하면 개선 방법을 알려 주십시오!