STL_Residual — функция диаграммы

STL_Residual — это функция разложения временных рядов. Вместе с STL_Seasonal и STL_Trend эта функция используется для разложения временных рядов на компоненты: сезонность, тренд и остаточный компонент. В контексте алгоритма STL разложение временных рядов используется для идентификации повторяющейся модели сезонности и общего тренда на основе входной метрики и других параметров. При выполнении этой операции часть вариаций входной метрики не будет относится ни к сезонности, ни к тренду и будет идентифицироваться как остаточный компонент. Функция диаграммы STL_Residual захватывает эту часть вычисления.

Три функции STL связываются с входной метрикой путем простого суммирования:

STL_Trend + STL_Seasonal + STL_Residual = входная метрика

STL (разложение сезонности и трендов с использованием метода локальной полиномиальной регрессии) использует методы сглаживания данных и посредством входных параметров позволяет пользователю корректировать периодичность выполняемых вычислений. Эта периодичность определяет, как измерение времени входной метрики (меры) сегментируется в анализе.

Так как при разложении временных рядов, в первую очередь, выполняется поиск сезонности и общих отклонений данных, информация в остаточном компоненте рассматривается как наименее значимая. Однако асимметричный или периодический остаточный компонент позволяет идентифицировать проблемы в вычислении, такие как неправильные настройки периодичности.

Как минимум STL_Residual принимает входную метрику (target_measure) и целочисленное значение для period_int, а возвращает значение с плавающей запятой. Входная метрика будет иметь вид агрегирования, которое изменяется в зависимости от измерения времени. По желанию можно включить значения для seasonal_smoother и trend_smoother, чтобы настроить сглаживающий алгоритм.

Синтаксис:

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

Возвращаемые типы данных: двойное значение

Аргументы
Аргумент	Описание
target_measure	Мера для разложения на компонент сезонности и тренда. Это должна быть такая мера, как Sum(Sales) или Sum(Passengers), которая варьируется в зависимости от измерения времени. Это должно быть постоянное значение.
period_int	Периодичность набора данных. Этот параметр является целым числом, которое представляет количество дискретных шагов, образующих один период сигнала, или его сезонный цикл. Например, если временной ряд разделен на разделы, по одному на каждый квартал года, необходимо задать для period_int значение 4, чтобы определить периодичность «Год».
seasonal_smoother	Длина сезонного сглаживателя. Это должно быть нечетное целое число. Сезонный сглаживатель использует данные для определенной фазы в сезонной вариации на протяжении определенного числа периодов. Из каждого периода используется по одному дискретному шагу измерения времени. Сезонный сглаживатель указывает количество периодов, используемых для сглаживания. Например, если измерение времени сегментировано по месяцу и задан период «Год» (12), компонент сезонности будет вычисляться таким образом, что каждый отдельный месяц года рассчитывается по данным за этот месяц в этом году и в соседних годах. Значение seasonal_smoother — представляет собой количество лет, используемых для сглаживания.
trend_smoother	Длина сглаживателя тренда. Это должно быть нечетное целое число. Сглаживатель тренда использует ту же временную шкалу, что параметр period_int, а его значение — это количество гранул, используемых для сглаживания. Например, если временной ряд сегментирован по месяцу, сглаживателем тренда будет количество месяцев, используемых для сглаживания.

Функция диаграммы STL_Residual часто используется в сочетании со следующими функциями:

Связанные функции
Функция	Взаимодействие
STL_Seasonal — функция диаграммы	Эта функция служит для вычисления компонента сезонности временных рядов.
STL_Trend — функция диаграммы	Эта функция служит для вычисления компонента тренда временных рядов.

Учебное пособие с полным примером, демонстрирующим использование этой функции: Учебное пособие — разложение временного ряда в Qlik Sense.

Помогла ли вам эта страница?

Если вы обнаружили какую-либо проблему на этой странице и с ее содержанием — будь то опечатка, пропущенный шаг или техническая ошибка, сообщите нам об этом, чтобы мы смогли ее исправить!

Оставьте свой отзыв здесь