어떤 통계 분석을 시각화에 추가할 수 있습니까?

예측

예측 함수는 선형 회귀를 사용하여 선형 추세와 함께 기존 값을 기반으로 미래 값을 예측합니다.

데이터의 시계열을 기반으로 값을 예측하도록 미래 기간을 설정할 수 있습니다. 시각화에 예측 추가를 참조하십시오.

Oracle은 다음과 같은 예측 모델 유형을 지원합니다.

• ARIMA(자기 회귀 누적 이동 평균) - 이 유형은 과거 시계열 데이터가 계절성이 아니지만 미래를 설명하고 예측하는 데 충분한 표본(50개 이상, 가급적 100개 초과)을 제공하는 경우 적합합니다.
• 계절성 ARIMA - 이 유형은 데이터에 기간마다 반복되는 일정한 변경사항 패턴이 있을 경우 적합합니다. 예를 들어, 월별 데이터의 계절성은 여름철에 높은 값이 발생하고 겨울철에 낮은 값이 발생하는 경우일 수 있습니다.
• ETS(지수 삼중 평활) - 이 유형은 명확한 패턴이 없는 반복적 시계열 데이터를 분석하는 데 적합합니다. 이 모델 유형은 시간에 따라 일정한 간격으로 반복되는 데이터의 경향을 고려할 지수 이동 평균을 생성합니다.
• Prophet - 이 유형은 데이터 집합이 장시간 기간을 다루거나, 여러 개의 강력한 계절성을 가지거나, 이전에 알려진 불규칙 이벤트를 포함하거나, 데이터 포인트가 누락되었거나, 이상치가 큰 경우 적합합니다.

또한 설정을 더 많이 제어하거나 다른 시각화에서 예측을 사용하려는 경우 FORECAST 함수를 통해 사용자정의 계산을 생성할 수 있습니다. 분석 함수를 참조하십시오.

클러스터

클러스터 함수는 동일한 그룹의 객체가 다른 그룹의 객체보다 서로 간의 일관성과 근접성을 더 많이 나타내도록 일련의 객체를 그룹화합니다. 예를 들어, 산포도 차트에서 색상을 사용하여 여러 그룹의 클러스터를 표시할 수 있습니다. 시각화에 클러스터 또는 이상치 생성을 참조하십시오.

• K-평균 클러스터화 - "n"개의 표본을 "k"개의 클러스터로 분할하는 데 사용하며, 여기서 각 표본은 클러스터의 프로토타입으로 사용되는 최근접 평균이 있는 클러스터에 속하게 됩니다.
• 계층형 클러스터화 - 병합적(상향식) 접근 방식 또는 분할적(하향식) 접근 방식을 사용하여 구축된 클러스터 계층을 생성하는 데 사용합니다.

또한 설정을 더 많이 제어하거나 다른 시각화에서 클러스터를 사용하려는 경우 CLUSTER 함수를 통해 사용자정의 계산을 생성할 수 있습니다. 분석 함수를 참조하십시오.

이상치

이상치 함수는 개별 값의 평균 기대치에서 가장 멀리 떨어진 데이터 레코드를 표시합니다. 예를 들어, 다른 표본에서 가장 많이 벗어나는 극단 값이 이 범주에 속합니다. 이상치는 측정의 변동성, 실험적 오류 또는 새로움을 나타낼 수 있습니다. 이미 클러스터가 있는 차트에 이상치를 추가하면 이상치가 여러 모양으로 표시됩니다.

이상치는 K-평균 클러스터화 또는 계층형 클러스터화를 사용할 수 있습니다. 시각화에 클러스터 또는 이상치 생성을 참조하십시오.

또한 설정을 더 많이 제어하거나 다른 시각화에서 이상치를 사용하려는 경우 OUTLIER 함수를 통해 사용자정의 계산을 생성할 수 있습니다. 분석 함수를 참조하십시오.

참조선

참조선 함수는 차트에서 X축 또는 Y축 값에 해당하는 가로선 또는 세로선을 정의합니다. 시각화에 참조선 추가를 참조하십시오.

• 선 - 평균, 최소값 또는 최대값 사이의 선을 계산하도록 선택할 수 있습니다. 예를 들어, 항공업에서 승객 투표율이 시간에 따라 표시되는 경우 참조선은 특정 월의 승객 투표율이 평균 이상인지 아니면 이하인지 표시할 수 있습니다.
• 범위 - 범위는 데이터 포인트의 상한 및 하한 범위를 나타냅니다. 사용자정의 옵션 또는 표준 편차 함수와 평균, 최대값, 최소값 중에서 선택할 수 있습니다. 예를 들어, 월별 매출을 분석하는 중이며 평균에서 최대값까지의 사용자정의 참조 범위를 사용하는 경우 매출이 평균 이상이지만 최대값 미만인 기간(월)을 식별할 수 있습니다.

추세선

추세선 함수는 해당 측정항목의 일반 과정을 나타냅니다. 추세선은 그래프에서의 여러 포인트를 연결하는 직선입니다. 추세선을 통해 시각화에서 값 집합 그룹의 특정 방향을 분석할 수 있습니다. 시각화에 통계 분석 추가를 참조하십시오.

• 선형 - 선형 데이터와 함께 사용합니다. 데이터 포인트의 패턴이 선과 유사한 경우 데이터는 선형입니다. 선형 추세선은 측정항목이 일정한 속도로 증가하거나 감소하고 있음을 보여줍니다.
• 다항식 - 데이터 유동 시 이 곡선을 사용합니다. 큰 데이터 집합에 대한 손익을 분석하는 등에 유용합니다.
• 지수 - 데이터 값이 점점 더 빠른 속도로 상승하거나 하락할 때 이 곡선을 사용합니다. 데이터에 0 또는 음수 값이 포함된 경우 지수 추세선을 생성할 수 없습니다.

또한 설정을 더 많이 제어하거나 다른 시각화에서 추세선을 사용하려는 경우 TRENDLINE 함수를 통해 사용자정의 계산을 생성할 수 있습니다. 분석 함수를 참조하십시오.