Konzept: Prognoseerklärung

Adaptive Planning

Die Prognoseerklärung hilft bei der Entschlüsselung von Machine Learning-Vorhersagen. Visuelle Darstellungen erleichtern es Ihnen, die Faktoren zu prüfen, die die einzelnen Vorhersagen beeinflusst haben.

Abhängig vom Algorithmus, mit dem Sie prädiktive Prognosen erstellen, können die Erläuterungsdiagramme unterschiedliche Daten anzeigen oder keine Daten anzeigen.

Algorithmus	Details
LightGBM	Das Diagramm „Prognoseaufgliederung nach Feature-Beiträgen“ wird nicht angezeigt.
Kalman-Filter, Holen Sie sich Winter, Nbeats	Das Diagramm Prognoseaufgliederung nach Feature-Beiträgen zeigt Folgendes an: Die Auswirkungen von Bildausblenden und Unregelmäßigkeiten in den Daten als Komponente Rest. Wie die Trend- und saisonalen Prognosekomponenten in die Prognose einfließen.
Prophet, Orbit-DLT	Das Diagramm Prognoseaufgliederung nach Feature-Beiträgen zeigt Folgendes an: Der kombinierte Beitrag aller Prognosekomponenten und Hebel als Rest. Ohne Hebelblätter sind keine Restwerte vorhanden. Wie die Trend- und saisonalen Prognosekomponenten in die Prognose einfließen.
Crosston	Es werden keine Erläuterungsdiagramme für Prognosen angezeigt. Dieser Algorithmus generiert einen Konstantwert für alle Perioden, der ein Durchschnitt des bereitgestellten Datasets ist

Machine Learning-Prognosen erstellen