概念：预测预测器的季节性

季节性的定义

“季节性”一词用于描述遵循周期性模式的数据波动。该算法使用您提供的历史数据和参数来确定季节性高峰。然后，假设将来会重复出现相同的季节性模式。预测预测器中提供的部分算法会自动检测季节性，而其他算法可让您定义构成一个季节的期间数量。

Prophet、Holt-Winters 和 Orbit DLT 允许您自定义季节性。您还可以为自动调整自定义季节性，当 自动调整
使用支持自定义的算法之一时，将应用季节性调整。

卡尔曼算法的独特之处在于，您可以指明算法是否将季节性应用于预测，而无需自行定义。

您可以让我们的机器学习系统自动检测参考数据中的季节性，也可以手动配置季节性。

Adaptive Planning 提供以下季节性选项：

季节性选项	描述
每年一次	“每年”季节性是季节性的默认设置。在以下情况下使用：数据中每年重复的模式。示例：受节假日影响，12 月份的销售额大幅增长。至少 36 个月的参考数据，以便算法识别年度模式。
一年两次	在以下情况下使用：少于 36 个月的数据。具有大约每 6 个月重复模式的数据。
每季度	在以下情况下使用：少于 12 个月的数据。具有大约每 3 个月重复模式的数据。
每周	仅适用于预测模块和自动调整模块。除了 “每年” 、“每两年” 或 “每季度” 季节性数据外，还可以使用 “添加每周季节性数据” 复选框。每周季节性最适合以下数据：每日收取。具有每周重复的模式。示例：每个周末都有销售高峰。
乘法	可用于 Prophet 、Holt-温特斯和自动调整。当季节性高峰和下降幅度随趋势成比例变化时，请使用“趋势随季节性变化较大” 复选框。
无	在以下情况下使用：数据没有任何季节性模式。您希望基于趋势进行预测并忽略季节性因素。趋势是指无论波动如何，数据移动的总体方向。