توابع مدل‌ سازی پیش‌ بینی‌ کننده Predictive Modeling در Tableau

توابع مدل‌ سازی پیش‌ بینی‌ کننده Predictive Modeling

این مقاله توابع مدل‌ سازی پیش‌ بینی‌ کننده Predictive Modeling و کاربردهای آنها را در Tableau معرفی می‌کند. همچنین با یک مثال نحوه ایجاد محاسبات جدولی با استفاده از توابع مدل‌سازی پیش‌بینی‌کننده را نشان می‌دهد.

چرا از توابع مدل‌ سازی پیش‌بینی‌کننده Predictive Modeling استفاده کنیم

توابع مدل‌ سازی پیش‌ بینی‌ کننده Predictive Modeling می‌توانند به شما کمک کنند تا به سرعت پیش‌بینی‌هایی را ایجاد کنید که می‌توانند مانند داده‌ها با استفاده از محاسبات جدولی دستکاری، تجسم و صادر شوند.

پیش از این، ممکن بود مجبور باشید Tableau را با R و Python ادغام کنید تا محاسبات آماری پیشرفته انجام دهید و آنها را در Tableau تجسم کنید. اکنون، می‌توانید با به‌روزرسانی متغیرها و تجسم چندین مدل با ترکیب‌های مختلف پیش‌بینی‌کننده‌ها، اهداف و پیش‌بینی‌کننده‌ها را انتخاب کنید. داده‌ها را می‌توان در تمام سطوح جزئیات فیلتر، تجمیع و تبدیل کرد، و ورودی‌ها و پیش‌بینی‌ها به طور خودکار برای مطابقت با داده‌های موجود در نما، دوباره محاسبه می‌شوند.

توابع مدل‌ سازی پیش‌ بینی‌ کننده Predictive Modeling موجود در Tableau

MODEL_PERCENTILE

Syntax	`MODEL_PERCENTILE( model_specification (optional), target_expression, predictor_expression(s))`
Definition	احتمال (بین ۰ و ۱) مقدار مورد انتظار کمتر یا مساوی با علامت مشاهده شده، که توسط عبارت هدف و سایر پیش‌بینی‌کننده‌ها تعریف می‌شود، را برمی‌گرداند. این تابع، تابع توزیع پیش‌بینی پسین است که با نام تابع توزیع تجمعی (CDF) نیز شناخته می‌شود.
Example	MODEL_PERCENTILE( SUM([Sales]),COUNT([Orders]))

MODEL_QUANTILE

Syntax	`MODEL_QUANTILE( model_specification (optional), quantile, target_expression, predictor_expression(s))`
Definition	یک مقدار عددی هدف را در محدوده احتمالی تعریف شده توسط عبارت هدف و سایر پیش‌بینی‌کننده‌ها، در یک چندک مشخص شده، برمی‌گرداند. این چندک پیش‌بینی‌کننده پسین است.
Example	MODEL_QUANTILE(0.5, SUM([Sales]), COUNT([Orders]))

ایجاد یک Prediction Calculation

رای یادگیری نحوه ایجاد یک محاسبه پیش‌بینی (prediction calculation) ساده با استفاده از تابع MODEL_QUANTILE، مراحل زیر را دنبال کنید.

مرحله 1: ایجاد یک مصورسازی

در Tableau Desktop، به منبع داده ذخیره شده Sample – Superstore که همراه Tableau ارائه می‌شود، متصل شوید.
به worksheet بروید.
از پنجره Data، بُعد Order Date را به قفسه Columns بکشید.
منوی context معیار را باز کنید تا سطح فهرست آن به Month و Year تغییر یابد:

فروش را به قفسه ردیف‌ها بکشید.

مرحله 2: ایجاد Calculated Field

برای باز کردن منوی Analysis در بالا کلیک کنید و سپس Create Calculated Field را انتخاب کنید.
در Create Calculated Field، موارد زیر را انجام دهید:
- نام محاسبه را «Predict Median Sales/پیش‌بینی میانگین فروش» بگذارید.
- فرمول زیر را وارد کنید:

MODEL_QUANTILE(0.5, SUM([Sales]),ATTR(DATETRUNC('month', [Order Date])))

به یاد داشته باشید: تابع MODEL_QUANTILE یک کوانتیل داده شده را دریافت می‌کند و مقادیر را بر اساس پیش‌بینی‌کننده‌هایی که شما وارد می‌کنید، پیش‌بینی می‌کند.

بیایید این را تجزیه کنیم:

- - در این مورد، کوانتیل = 0.5 است که میانه را پیش‌بینی می‌کند.
  - ما می‌خواهیم فروش را پیش‌بینی کنیم، بنابراین عبارت هدف SUM([فروش]) است.
  - ما می‌خواهیم پیش‌بینی را بر اساس عملکرد گذشته انجام دهیم، بنابراین تاریخ را به عنوان یک پیش‌بینی‌کننده در نظر می‌گیریم که آخرین آرگومان در محاسبه است.
پس از اتمام، روی OK کلیک کنید.

محاسبه پیش‌بینی اکنون به عنوان یک فیلد محاسبه‌شده در پنجره داده‌ها اضافه شده است.

مرحله 3: Prediction Calculation را به View اضافه کنید

محاسبه پیش‌بینی را به قفسه ردیف‌ها، در سمت راست SUM(Sales) بکشید.
روی معیار کلیک راست (در مک کنترل-کلیک) کنید و Dual Axis را انتخاب کنید.
برای تراز کردن دو محور در نمودار دو محوره برای استفاده از مقیاس یکسان، روی محور ثانویه، در این مورد Predict Median Sales، کلیک راست (در مک کنترل-کلیک) کنید و Synchronize Axis را انتخاب کنید. این کار مقیاس دو محور را تراز می‌کند.

قوانین محاسبات پیش‌بینی

شما نمی‌توانید آرگومان‌های تجمیعی و غیر تجمیعی را با هم ترکیب کنید. اگر عبارت هدف تجمیعی باشد، پیش‌بینی‌کننده نیز باید همینطور باشد.
این توابع بهترین استفاده را برای پیش‌بینی مقادیر برای رکوردهای منفرد دارند، در مواردی که هر علامت نشان دهنده یک موجودیت گسسته مانند یک شخص، یک محصول، یک فروش و غیره است.
این توابع بهترین استفاده را برای پیش‌بینی مقادیر برای عبارات هدف تجمیعی با استفاده از SUM و COUNT دارند.
این توابع برای پیش‌بینی مقادیر برای عبارات هدف تجمیعی با استفاده از AVG، MEDIAN، MIN یا MAX توصیه نمی‌شوند.
توابع باید از پیش‌بینی‌کننده‌هایی استفاده کنند که در همان سطح جزئیات یا بالاتر از viz باشند.