云服务器价格_云数据库_云主机【优惠】最新活动-搜集站云资讯

分布式存储_腾讯云服务器使用教程_是什么

小七 141 0

分布式存储_腾讯云服务器使用教程_是什么

使用SAP Lumira和SAP Predictive Analytics查看我自己的耗水量开始,这次我首先尝试使用SAP Lumira Desktop。我从在线账单中复制了我的用电量和平均每日用水量,并将其复制到Lumira。SAP Lumira具有预测功能,但您需要时间层次结构,并且必须使用行图表。您的另一个选择是使用SAP Predictive Analytics。

以下是示例原始数据:

我将其引入SAP Lumira,在抄表日期上创建一个时间层次结构,然后创建一个折线图。

齿轮然后显示使用SAP Predictive或线性回归进行预测的选项。

我使用SAP Predictive Analytics选项,,预测6个月后(我的电子账单在圣诞节,服务器,房产税账单到期时会是什么样子?)

所以你可以从上面看到我的电在冬天很高(我有电发热)。我已经考虑过冬季取暖不太便宜的选择,但在我所在的地区却没有。在夏季,我的电力很低,因为我不喜欢开空调(今天我们正在接受供暖咨询)

12月的预测与2014年12月相似,从表面上看,这个预测看起来相当准确。

2015年12月的平均每日使用量预测与2014年12月相似。这让我可以更仔细地研究电力,这是我最昂贵的账单之一。

在我看来,参加数据天才大赛是不够的,不过,也许这会给你一些想法。

明天:使用SAP Lumira和SAP Predictive ASUG网络广播弥合业务分析师与数据科学家之间的差距

DataGenius IV:主页

即将推出的ASUG商业智能社区W…。ASUG

将这些SAP Lumira会议添加到奥斯汀的萨布克ASUG会议

这真的很酷。我想知道你是否可以通过API从你的工具中提取数据。如果是这样的话,很快就会有100个iPhone/Android应用程序来做这件事。

问我的工具是个好主意-很高兴有这个。

嗨,塔米,

和你一样,这是一个很好的工具功能演示。它还很好地说明了该工具存在的一些问题,以及SAP在不认真考虑默认值的情况下,以及在不设置防护栏以保护用户免受错误影响的情况下,将预测性功能包括进来的一点危险。对于SAP的使用,大数据分析应用,以下是我马上看到的问题:

希望我们能看到一个真正的努力,包括更负责任的预测功能在。。。等等。。。未来。

最好,

伊桑

事实上,我应该修改这个。在问了一个真正了解这件事的人之后,#3并不是什么问题。这些预测通常会回归到平均值。#3实际上更像是#1(缺少误差线)的症状,因为它如此快速地回归到平均值的原因可能是因为数据太少,所以预测误差线在最初几个月后可能很大。

我还建议应用程序在试图基于不足的数据进行预测时应明确警告用户数据。对于季节性车型,我认为至少需要几个周期。

嗨,大数据的培训,伊桑,

非常感谢您的评论。我将与SAP的一些同事讨论这些问题,我们很快就会回复您。

Antoine

嗨Ethan,

这是我对您的评论的观点。

到目前为止最大的问题是:没有为预测提供预测区间,也没有为模型与实际相符提供置信区间。一个预测工具怎么能不至少提供一个置信区间和至少一个估计的预测区间来给出其预测的可靠性的某种意义呢?

我同意你的观点,最终用户缺乏信息来正确解释他得到的结果。

使用我们最新版本的SAP Predictive Analytics(自动分析模式)解决方案运行相同的测试,可以为最终用户提供所有缺失的信息,特别是在模型组件和质量方面预测和可靠性

请参考我在附录中提供的内容了解更多细节

SPA预测似乎使用了错误的自相关模型

(它可能根本不应该使用,而是使用纯季节性模型),淘客工具,

我假设,但不会为您提供选择不同模型或不同参数化模型的选项。

错误模型选择的一个结果是预测滞后于实际约一个月。

为最终用户自动选择模型是我们SAP Predictive Analytics产品的核心优势。

所选模型的平均质量在这个特定示例中生成的原因是:

SAP Predictive Analytics(自动分析模式)允许您同时使用其他输入变量,这可以提高时间序列模型的质量。这在当前的SAP Lumira集成中是不可能的。

我还建议应用程序在试图基于不足的数据进行预测时应明确警告用户。就季节性模型而言,云服务器促销,我认为至少需要几个周期。

对于我来说,改进当前predictive与Lumira集成的一些潜在轴应该是:

正如我在回答中所说明的,SAP predictive Analytics(自动分析模式)涵盖了所有这些功能。

致以最诚挚的问候和感谢,

Antoine

附录

在附录中,我使用SAP Predictive Analytics 2.2(自动分析模式)详细说明了我在Tammy使用的数据集上得到的结果。

使用量(kWh)

生成的模型只能可靠地预测未来三个月(最大范围)。不是接下来的六个月。

模型只考虑了32%的信号,因为视界宽MAPE等于0683。

模型是纯自回归的(见AR(2)提到)-没有趋势,没有检测到周期。

这里是预测值的置信区间。你可以看到预测的时间间隔相当大。在下表中,您可以看到未来三个月的预测值,err\u max和err\u min.

平均每日使用量

这意味着该模型只能对未来三个月进行可靠的预测。不是接下来的六个月。

模型只考虑了51%的信号。

这是预测值周围的置信区间。

你可以看到预测值周围的区间相当大。

在下表中,你可以看到未来三个月的预测值,err\u max和err\u min。

注意:图像格式不是很好,你要点击每个图片才能看到它们的全部内容。

安托万

嗨安托万,