Какую статистическую аналитику можно добавить в визуализации?

Прогноз

Функция прогнозирования использует линейную регрессию для прогнозирования будущих значений на основе существующих значений в рамках линейного тренда.

Можно задать будущие периоды времени для прогнозирования значения на основе временных рядов в данных. См. раздел "Добавление прогноза к визуализации".

Oracle поддерживает модели прогнозирования этих типов:

• Auto-Regressive Integrated Moving Average (ARIMA) — используется, если данные прошлого временного ряда не являются сезонными, но содержат достаточно наблюдений (не менее 50, но желательно более 100 наблюдений) для объяснения и проектирования будущего.
• Seasonal ARIMA — используется, если для данных характерны регулярные изменения, повторяющиеся в течение временных периодов. Например, сезонность в месячных данных может проявляться в том, что высокие значения приходятся на летние месяцы, а низкие — на зимние.
• Exponential Triple Smoothing (ETS) — используется для анализа повторяющихся данных временных рядов, которые не имеют четкой закономерности. Тип модели создает экспоненциальное скользящее среднее, которое учитывает тенденцию данных повторяться в интервалах времени.
• Prophet — используется, если набор данных охватывает длительные периоды времени, имеет несколько сильных сезонов, включает ранее известные нерегулярные события, имеет отсутствующие точки данных или имеет большие выбросы.

Кроме того, можно создать настраиваемый расчет с помощью функции FORECAST, чтобы улучшить контроль над настройками или использовать прогноз в других визуализациях. См. раздел "Аналитические функции".

Кластеры

Функция cluster группирует набор объектов таким образом, что объекты в одной группе демонстрируют большую согласованность и близость друг к другу, чем объекты в других группах. Например, в рассеянной диаграмме можно использовать цвета, чтобы показать кластеры различных групп. См. раздел "Создание кластера или выброса в визуализации".

• Кластеризация K-средних — Используйте для разделения "n" наблюдений на "k" кластеров, в которых каждое наблюдение относится к кластеру с ближайшим средним значением, служащим прототипом кластера.
• Иерархическая кластеризация — используется для создания иерархии кластеров, построенных с использованием либо агломеративного (снизу вверх), либо разделительного (сверху вниз) подхода.

Можно также создать настраиваемый расчет с помощью функции CLUSTER, чтобы улучшить контроль над настройками или использовать кластер в других визуализациях. См. раздел "Аналитические функции".

Выбросы

Функция выбросов заключается в отображении записей данных, которые наиболее удалены от среднего ожидания отдельных значений. Например, в эту категорию попадают экстремальные значения, которые сильнее всего отклоняются от других наблюдений. Выбросы могут указывать на изменчивость измерений, экспериментальные ошибки или новизну. Если добавить выбросы на диаграмму, на которой уже есть кластеры, то выбросы представляются разными фигурами.

В выбросах можно использовать кластеризацию K-средних или иерархическую кластеризацию. См. раздел "Создание кластера или выброса в визуализации".

Можно также создать настраиваемый расчет с помощью функции OUTLIER, чтобы улучшить контроль над настройками или использовать выброс в других визуализациях. См. раздел "Аналитические функции".

Опорные линии

Функция опорных линий заключается в определении на диаграмме горизонтальных или вертикальных линии, соответствующих значениям оси X или оси Y. См. раздел "Добавление опорной линии в визуализацию".

• Линия — можно выбрать для расчета линии между средним, минимумом или максимумом. Например, в отрасли авиаперевозок, если построить график пассажиропотока по времени, то опорная линия может показать положение относительно среднего уровня пассажиропотока (выше или ниже) в конкретном месяце.
• Диапазон представляет собой верхний и нижний диапазон точек данных. Можно выбрать настраиваемый вариант или функцию стандартного отклонения, а также между средним, максимальным и минимальным значениями. Например, анализируя продажи по месяцам и используете пользовательский базисный диапазон от среднего до максимального, можно определить месяцы, в которых продажи выше среднего, но ниже максимального уровня.

Линии тренда

Функция линии тренда — указывать общий ход рассматриваемой метрики. Линия тренда — это прямая линия, соединяющая несколько точек на графике. Линия тренда помогает анализировать конкретное направление группы наборов значений в визуализации. См. раздел "Добавление статистической аналитики в визуализации".

• Линейный — используется с линейными данными. Распределение данных линейно, если структура точек данных похожа на прямую. Линия линейного тренда показывает, что метрика увеличивается или уменьшается с постоянной скоростью.
• Полиномиальная — эта кривая используется в случае флуктуации данных. Это полезно, например, для анализа прибылей и убытков по большому набору данных.
• Экспоненциальная — используйте эту кривую линию, когда значения данных растут или падают с возрастающей скоростью. Если данные содержат нулевые или отрицательные значения, создать экспоненциальную линию тренда невозможно.

Можно также создать настраиваемый расчет с помощью функции TRENDLINE, чтобы улучшить контроль над настройками или использовать линию тренда в других визуализациях. См. Аналитические функции.