# 透過折線圖進行時間序列預測 商業使用者和分析師經常監控量值作為隨著時間變化的趨勢，並且透過時間序列預測，他們可以預估歷史觀察順序未來將會如何繼續。預測趨勢線可能如何演變的能力可以用來告知策略並做出決策。在 Qlik Cloud 中，時間序列預測選項會生產視覺化，這會透過折線圖上產生和呈現的預測值延伸趨勢線。根據採用的方法，呈現信賴區間的陰影區域會透過可設定的信賴等級顯示可能的值。會使用受信任的預測函數生產時間序列預測；SSA (單一頻譜分析) 演算法提供信賴區間，而 OLS (普通最小平方) 方法則提供簡單的線性迴歸線。 以 OLS 方法建置的時間序列預測圖表 以 OLS 方法建置的時間序列預測圖表 以 OLS 方法建置的時間序列預測圖表 ![以 OLS 方法建置的時間序列預測圖表](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_OLS_rev.png) 以 SSA 方法建置的時間序列預測圖表 以 SSA 方法建置的時間序列預測圖表 以 SSA 方法建置的時間序列預測圖表 ![以 SSA 方法建置的時間序列預測圖表](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_SSA_rev.png) 時間序列預測與清楚來自歷史值的預測值不同。視覺化按照維度屬性中預測步進和步進大小乘數選項的設定，以遞增方式顯示預測。若在量值中選取 SSA 方法，就會顯示呈現預測信賴區間的陰影區域。此區間透過量值屬性來設定：顯示信心和信賴度。陰影區域顯示可信值的區間 (例如 95%)，這表示未來的值預期會有 95% 的可能性落在陰影區域內。 [Time series forecasting](https://play.vidyard.com/xGKootWFwW6RqSnhqGUitu) ## 要求和屬性行為 達到下列要求後，預測切換會顯示在進階選項量值屬性中： * 數值或時間維度 * 一個量值和一個維度 * 維度軸必須持續。 重要的是應記住，只有在量值是數值或時間維度且維度軸是持續時，預測切換設定才會顯示在量值屬性中。切換為開啟後，預測時間序列屬性會顯示在維度和量值面板中。維度屬性位址水平距離和增量設定。量值屬性設定方法、線條和陰影樣式、信心設定和等級。 ## OLS 和 SSA 方法 OLS (普通最小平方) 是簡單的迴歸模型方法，可最小化觀察到的相依變數和預測的相依變數之間的差異平方加總，以計算趨勢線。若使用者想要查看資料的線性趨勢，此時間序列預測選項很好用；這不會控制雜訊或異常值，只會使用所有資料來產生線性迴歸線。 相對於 OLS，SSA (單一頻譜分析) 是純熟的演算法，能夠識別雜訊和季節性以及趨勢。SSA 需要充分規則地取樣資料，若超過特定限制，會傳回錯誤，指示資料太不規則。SSA 是最佳選項，可透過循環或振盪行為預測趨勢。 若採用 SSA 方法生產預測，此演算法會預估相依量值取用的可能值範圍的中間部分。會依預測區間擴增線條，提供取用的值範圍。不是顯示許多可能的值，而是顯示預測區間作為陰影區域。 ## 時間序列預測限制 時間序列預測具有下列限制： * 不會為向下探查維度啟用預測。 * 含有多個維度的圖表未啟用預測。若有一個維度和多個量值，只有一個量值可以啟用預測。 * 只有在備妥預設排序時，預測才會運作。如需詳細資訊，請參閱 [變更視覺化排序](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/change-sorting-of-visualization.htm)。 * 資料點下限：OLS 需要至少 2 個資料點。SSA 需要至少 6 個資料點。 * 資料點上限：不建議在具有超過 5000 個資料點的資料集上使用演算法。若對具有超過 5000 個資料點的資料集執行時間序列預測，使用者將會開始遇到效能問題。使用者和應用程式設計人員應按需求使用計算條件，那麼透過選項減少資料集後，就會顯示圖表。選項應持續；請參閱下列關於不規則時間取樣的點。 * 預測將會在特定情況下處理不規則的時間取樣：OLS 的運作情況將如同沒有受到時間序列預測或規則資料的限制。SSA 需要充分規則地進行資料取樣，若超過加諸的限制，會傳回錯誤，指示資料太不規則。 * 預測無法在離線模式的 Qlik 分析 行動應用程式中運作。 * 若含有預測的應用程式從 Qlik Cloud 匯出並匯入到 QSEoW 中，預測圖表將不會顯示。QSEoW 不支援預測。 * 下載折線圖作為 Microsoft Excel 檔案時，預測值不會納入檔案中。 * 若用滑鼠右鍵按一下折線圖並選取檢視資料，不會顯示預測值。 * 若折線圖中的任何維度或量值使用顯示條件，則無法使用時間序列預測。 ## 範例 [](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/LineChart/timeseries-forecast.htm) #### 範例 - 時間序列預測 此範例呈現建立啟用時間序列預測的折線圖。範例採用具有兩個欄位的資料集：Date 用於持續維度，而 Tot-KWh，即每日電力用量 (千瓦小時) 則用於量值。已啟用預測，以視覺化能源消耗率在已設定信賴區間內的可能落點。 載入指令碼 在資料載入編輯器中載入下列資料作為內嵌載入： ``` 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 ]; ``` 如需更多關於使用內嵌載入的資訊，請參閱 [使用內嵌載入以載入資料](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Scripting/inline-loads-qs.htm)。 建立具有時間序列預測的折線圖 請執行下列動作： 1. 從資產面板中，將空白折線圖拖曳至新的工作表中。 2. 選取按一下以新增標題並將圖表命名為 Daily electricity consumption in KW hours (以千瓦小時為單位的每日電力消耗)。 3. 選取新增維度，並新增欄位 Date。 4. 選取新增量值，並新增量值 Avg([Tot-KWh])。 5. 在屬性面板的外觀區段中，展開呈現屬性，並對捲軸選取無。 6. 開啟量值屬性並選取下列屬性： * 使用選擇器以將預測設為：開啟。 * 將色彩變更為 #006580。 * 移動滑桿以將線條厚度變更為 2。 * 選取線條類型：虛線。 * 保持線條曲線的預設值：線性。 * 保持顯示信賴度的預設值：開啟。 * 將信賴度值從 .95 的預設值變更為 .85。 預測量值屬性 預測量值屬性 預測量值屬性![預測量值屬性](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_MeasureProps.png) 7. 開啟維度屬性並選取下列屬性： * 保持預測步驟的預設值：3。 * 保持步驟大小乘數的預設值：1。 * 保持時間和數量單位下拉式選項：天。 預測維度屬性 預測維度屬性 預測維度屬性![預測維度屬性](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_DimensionProps.png) 具有顯示日間隔之預測的折線圖 具有顯示日間隔之預測的折線圖 具有顯示日間隔之預測的折線圖 ![以日時間間隔啟用時間序列預測的折線圖](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_Timeseries_UnitDay.png) 8. 展開維度屬性： * 保持預測步驟的值：3。 * 保持步驟大小乘數的預設值：1。 * 變更時間和數量單位下拉式選項：週。 9. 在呈現區段中，選取顯示資料點。 3 週的週間隔預測 3 週的週間隔預測 3 週的週週間隔預測 ![使用週間隔的 3 週預測](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_3Weeks.png) 10. 展開維度屬性： * 變更預測步驟的值：21。 * 保持步驟大小乘數的預設值：1。 * 變更時間和數量單位下拉式選項：天。 11. 在呈現區段中，選取顯示資料點。 此展示醒目提示如何可以透過相同的時間間隔，根據時間單位的資料粒度 (天與週)，以非常不同的方式轉譯預測。 3 週的天間隔預測 3 週的天間隔預測 3 週的天天間隔預測 ![使用日間隔的 3 週預測](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_21Days.png) 資訊備註請注意，雖然圖表可能會預測相同的持續時間，但資料粒度中的變更會產生非常不同的形狀。 ## 透過 Qlik Predict 進行時間序列預測 透過 Qlik Predict，您可以訓練機器學習模型，以根據時間序列資料預測未來指標。預測是時間專屬的，可整合到分析應用程式中的折線圖和其他視覺效果。模型允許針對不同群組提供多個功能和個別化預測，以將資料分類用於您的目標量值。這讓您能夠探索和預測多變量情境的模式，這些情境涉及多個變數隨著時間的互動。 若要在 Qlik Predict 中建立時間序列預測，請建立時間序列實驗，然後部署模型，以對新資料建立預測。 如需詳細資訊，請參閱： * [使用時間序列實驗](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm) * [使用多變量時間序列預測](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm) 相關學習內容： * [如何在 Qlik Cloud 中根據時間序列資料來預測？](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud) ## 瞭解更多資訊 * [如何在 Qlik Cloud 中根據時間序列資料來預測？](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)