「詳細設定」タブでは、カスタマイズした予測の実行方法を調整する多数のパラメータが提供されます。「自動」方法では、予測エンジンが予測を実行するときに最適なパラメータ設定を選択します。その他のすべての方法では、ユーザーがデフォルト設定を変更しないかぎり、予測エンジンはデフォルト設定を使用します。
予測パラメータ
変更できる様々な設定をリストします。設定を選択すると、「予測パラメータの説明」ボックスに説明が表示されます。
パラメータは、次のカテゴリにグループ化できます。
すべてのパラメータをすべての予測メソッドで使用できるわけではありません。
設定パラメータ: これらのパラメータでは、予測する方法についての基本情報が予測エンジンに提供されます。特定の予測メソッドを使用する場合は、予測アプローチおよびデータ・フィルタ・パラメータを常に設定します。
予測手法: 予測エンジンが取り込んだ適用するエキスパート・システムのアプローチを指定します。自動化ではエキスパート・システムへすべての制御を付与します。マニュアルでは履歴データに適切なメソッドおよびパラメータ設定を選択できます。
データ・フィルタ: データ・フィルタリングのデータの基本特性を識別します。自動化以外のメソッドを使用しているときにこのパラメータを設定します。
検証ウィンドウ・サイズ: 検証ウィンドウは履歴期間の総数の一部として指定されます。エキスパート・システムでは、検証ウィンドウを使用して最良のメソッドとパラメータ設定が決定されます。
一般パラメータ: 特定の予測メソッドでこれらのパラメータを使用します。
最終周期を割当て: 割当てと予測のどちらを使用して計算するかを制御します。割当ては傾向または時期に応じて過度に調整するリスクを小さくします。このパラメータは周期設定に依存します。
周期性: 1つのサイクル内の期間の数、またはネストされたサイクルの各セット内の期間の数。デフォルト値1では期間がグループ化されないため、各期間は論理的に独立しています。
たとえば、予測のベース・レベルとして月を使用し、時間階層が月レベル、四半期レベルおよび年レベルを持つ場合、1年だと12か月、四半期だと3か月という周期になります。単一周期の場合、期間の数を入力します。ネスト周期の場合、(12,3)のようなカンマで区切られた最大の集計から最少の集計が周期として括弧内にリスト化されます。
上限値、下限値: 予測境界はまれに生成される不合理な高い値または低い値による予測エンジンを抑制します。上位境界は境界最大値と履歴シリーズにある最大値を掛けた値から計算されます。下位境界は境界最小値と履歴シリーズにある最小値を掛けた値から計算されます。
たとえば、最大のBoundaryパラメータが100.0で、最大の履歴値が5,600の場合、560,000より大きい予測値は使用されません。最少のBoundaryパラメータが0.5で、最少の履歴値が300の場合、150より大きい予測値は使用されません。
「移動合計の減衰最大値」および「移動合計の減衰最小値」: ノイズ、確率偏差、および間欠データの履歴内のスタビリティと反比例の崩壊定数の最大値。履歴が1つのサイクルから次のサイクルに速く発展する場合、またはノイズ・レベルが低い場合はこの値を高く設定します。このパラメータは間欠データ・フィルタでのみ使用されます。最大値と最小値の差異は0.4で均等に分割できます。
試行回数: 最良のメソッドおよびパラメータ設定の組合せを決定するために実行された試行の回数。
履歴データ平滑化パラメータ: これらのパラメータを使用して周期的な履歴データから平滑化予測を入手します。
平滑化履歴データを使用: 履歴データを平滑化するかどうかを制御します。通常、平滑化は週単位のデータまたは欠落した値が多いファイングレインされた値に対して使用されます。履歴データを平滑化すると、より平滑なベースライン予測を得られます。
欠落値の補間: 平均化するかわりに、欠落した値を補間することにより、データを平滑化するかどうか指定します。このパラメータは、欠落した値が欠如したアクティビティのかわりに不完全なデータを示す場合に役立ちます。
中央値平滑化ウィンドウ: 平滑化したウィンドウの中央値に使用される期間の数は異常値を識別し、調整されたデータ値と置き換えられます。現在の期間をウィンドウの中央にするため、値を奇数に設定する必要があります。
月データでは、データの過度なフラット化を防ぐため最大値には5を使用してください。週データでは13を最大値に使用します。日または時間データでは15以上の大きいウィンドウを使用します。
指数平滑化パラメータ: シングル指数平滑化、ダブル指数平滑化およびホルト・ウィンタース・メソッドで、これらのパラメータを使用します。
アルファ: 予測の突然の上昇や下降にどれほど敏感であるかを決定する平滑化定数。前期に付与された重み付けの割合で、余剰は他の履歴期間に分散されます。
アルファの値が小さい場合、予測が突然変更されても反応は大きくありません。値が0.5の場合、非常に大きく反応します。値が1.0の場合、前期間の重み付けは100%となり、前期間の計算と同じ結果が得られます。値が0.0の場合、前期間は分析に含まれません。
ベータ: 予測が傾向にどれほど敏感であるかを決定する平滑化定数。ベータ値が低いほど、より少ない重み付けが傾向に付与されます。傾向は長期影響なので、ベータ値は通常少なくなっています。
ガンマ: 予測が季節要因にどれほど敏感であるかを決定する平滑化定数。ガンマ値が小さいほど、より少ない重み付けが季節要因に付与されます。
傾向減衰: 予測期間内の傾向の推測値がどれほど急激に減少するかを決定する定数。値が高いほど減少幅が小さく、値が低いほど減少幅が大きくなることを示します。値が小さいほど、傾向が予測に与える影響が小さくなります。このパラメータの値は、傾向の信頼性を反映しています。
回帰パラメータ: リニアおよび非リニア回帰メソッドでこのパラメータを使用します。
周期的減衰: 予測がベースライン・アクティビティの偏差にどれほど敏感であるかを決定する定数。値が低いほど、より少ない重み付けを偏差に付与します。
有意な偏差が相当な数の期間において継続中である場合は、値をより低く設定します。偏差が横にある期間からほぼランダムで、接続されない場合は、値をより高く設定します。
パラメータ値
現在の設定値は編集可能です。
デフォルトにリセット
すべての値を元の設定に戻します。
予測パラメータの説明
現在選択している予測パラメータの説明が表示されます。異なるパラメータの説明を表示するには、予測パラメータ・リストで表示するパラメータを選択します。
Copyright (C) 2003, 2007, Oracle. All rights reserved.