使用時間序列實驗
透過時間序列實驗，您可以訓練模型來預測對應特定未來時間段的指標，例如未來一週或一個月的銷售額。在 Qlik Predict 中，時間序列模型會產生支援分組目標和未來功能的多變量預測。時間序列預測適用於涉及數值 目標 的實驗。
設定時間序列實驗
使用案例
只要您需要針對數值指標進行日期敏感的預測，時間序列預測就很有用。時間序列預測在許多情境中都很有用，包括：
-
銷售與財務預測
-
預測庫存與存貨
-
預測能源使用量與需求
-
預測費用
什麼是多元時間序列預測？
多元時間序列預測是預測未來資料，適用於涉及一個以上變數的案例。時間序列實驗可讓您探索多個目標 (透過群組引入) 與多個功能之間的時間特定模式。與使用分類和迴歸模型所做的預測不同，時間序列預測專屬於特定的日期或時間。例如，您可能想要預測未來兩週的銷售額，相關日期為 1 月 1 日至 14 日。
第 1 部分：準備訓練資料集
首先準備訓練資料集。訓練資料集必須包含以一致的時間間隔測量的歷史資料。如需完整詳細資訊，請參閱 準備訓練資料集。
第 2 部分：建立時間序列實驗
您可以透過建立 ML 實驗來建立時間序列實驗，然後選取 時間序列 作為 實驗類型。
若要將實驗設定為時間序列實驗，目標需要是數值，並且具有超過 11 個唯一值 (儘管需要更多才能產生高品質模型)。資料集還需要有一個包含日期或日期時間資訊的欄位，以一致的時間間隔記錄。
請執行下列動作：
-
從 分析 活動中心建立 ML 實驗。請參閱 建立實驗。
-
選取訓練資料集後，按一下
檢視設定，以展開實驗設定面板。 -
展開 目標和實驗類型。
-
使用下拉式功能表選取目標。
-
在 實驗類型下，選取 時間序列。
第 3 部分：設定您的時間序列實驗
接下來，您需要設定與您想使用時間序列模型進行預測相關的特定參數。這些參數是時間序列實驗專用的。如需每個參數的說明，請參閱 使用多變量時間序列預測。
請執行下列動作：
-
在 日期索引 下，選取要使用的索引欄。
-
您可以選擇使用下拉式選單來設定群組和未來功能，以將目標分組和未來功能新增至模型訓練。
-
在根據您的資料區段中，設定預測視窗大小和預測間隔大小 (以時間步長為單位)。
第 4 部分：設定其他實驗參數
與其他實驗類型一樣，還有其他屬性 (並非時間序列實驗獨有)，您可能需要在實驗組態中進行調整。這包括：
-
選取特徵
-
選取演算法
-
變更特徵類型
如需完整詳細資訊，請參閱 設定實驗。
第 5 部分：執行訓練
請執行下列動作：
-
在底部長條中，按一下執行訓練。
接下來的步驟
模型分析
訓練完成後，您可以分析模型並評估其品質。視需要，建立實驗的後續疊代以精進結果。
如需詳細資訊，請參閱檢閱模型。
模型部署與核准
分析模型後，將最佳模型部署到 ML 部署，然後啟用它以進行預測。
準備套用資料集並建立預測
部署模型後，請瞭解您將用於產生預測的 套用資料集 的需求。請參閱 準備套用資料集。
準備好套用資料集後，請使用您的時間序列模型建立預測。您可以建立：
限制和考慮事項
-
您可以為時間序列實驗選取最多兩個群組。您選取作為群組的欄必須是類別型。此欄可以包含數值資料，但在訓練期間，此欄會被視為類別型。
-
最大預測視窗可以大到 180 個時間步長。如需詳細資訊，請參閱 最大預測視窗。
-
智慧型模型最佳化不適用於時間序列實驗。
-
時間序列實驗不支援手動最佳化。
-
時間序列實驗不支援超參數最佳化。
-
時間序列實驗不支援時間感知訓練。
-
自動自由文字特徵設計不適用於時間序列實驗。
-
當您為時間序列實驗選取日期索引欄時，此欄會使用日期功能類型。然而，時間序列模型不支援日期功能工程。自動工程化日期功能無法從該欄衍生。
-
時間序列實驗使用深度學習演算法訓練模型。因此，視資料大小和預測視窗而定，時間序列模型通常比迴歸和分類模型需要更長的訓練時間。
如需使用時間序列模型建立預測的相關限制，請參閱限制。
教學課程
如需示範時間序列預測的完整教學課程，從模型訓練到預測，請參閱教學課程 – 使用多變量時間序列預測來預測銷售額。