Python Kullanan LuckyTemplates Tahmin Modeli

Tahmin, işletmelerin geçmiş verilere dayanarak gelecek hakkında bilinçli kararlar almasına olanak tanıdığı için veri analizinin önemli bir yönüdür. Bu görevi gerçekleştirmenin etkili bir yolu, Python kullanarak LuckyTemplates tahmin modelini kullanmaktır. LuckyTemplates, kullanıcıların etkileşimli veri görselleştirmeleri, raporlar ve panolar oluşturmasına olanak tanıyan popüler bir iş zekası aracıdır. 

Bu öğreticide, Python kullanarak LuckyTemplates'da tahmin modeli oluşturmayı öğreniyoruz . Tahmini değerler oluşturmak ve bunları LuckyTemplates görselleştirmelerine dahil etmek için Power Query'de Python kullanacağız. Bu eğitimin tam videosunu bu blogun alt kısmında izleyebilirsiniz .

İçindekiler

LuckyTemplates Tahmin Modeli Örnekleri

Aşağıda, bu eğitimde neyi başarmak istediğimizi göstermek için bazı LuckyTemplates tahmin modelleri bulunmaktadır. Bunlar, haftalık mevsimselliği ve verilerdeki bazı mevsimsel zirveleri gösteren gerçek sayfa görünümleridir. 

Python Kullanan LuckyTemplates Tahmin Modeli

Sonlara doğru modelimizde yakalamak istediğimiz verilerimizdeki artış trendini görebiliriz.

Python Kullanan LuckyTemplates Tahmin Modeli

LuckyTemplates Tahmin Modeli: Denetimler ve Sınırlamalar 

LuckyTemplates kullanılarak oluşturulan 30 günlük tahmin modeli aşağıdadır. Gerçek sayfa görünümleriyle aynı mevsimselliğe sahiptir ve LuckyTemplates'da ayrıca bazı verileri kontrol etme seçeneklerimiz vardır.

Python Kullanan LuckyTemplates Tahmin Modeli

Bunu, Görselleştirmeler bölmesinde Analytics'i açarak yapabiliriz . Ardından, Tahmin > Seçenekler'e gelin . 

Python Kullanan LuckyTemplates Tahmin Modeli

Tahmin uzunluğuna 30 gün koyun ve Güven aralığını %95 olarak ayarlayın. Sistem, varsayılan ayarıyla Mevsimselliği tahmin edebilir, ancak haftalık mevsimselliği temsil etmesi için  7 de ekleyebiliriz .

Python Kullanan LuckyTemplates Tahmin Modeli

Uygula'ya tıklayın ve yukarıdakine benzer bir model almalıyız.

Python ve LuckyTemplates Tahmin Modelleri İçin Trend Analizi

LuckyTemplates, mevsimselliği modelleme konusunda harika bir iş çıkarıyor. Ancak, trend çizgisi aynı performansı göstermez.

Trend analizini başlatmak için Görselleştirmeler bölmesinde Trend çizgisini açın .

Python Kullanan LuckyTemplates Tahmin Modeli

Bir kez, yükseliş eğilimi görebiliriz. Bu eğilimi, daha sonra tahmini etkileyecek olan verilerimize ekleyebilmeliyiz. 

Python Kullanan LuckyTemplates Tahmin Modeli

Bunu Python modelimiz ile yapabiliriz . Aşağıdaki modelde de gördüğümüz gibi, trend sabit kalmak yerine mevsimsellik kazandı.

Python Kullanan LuckyTemplates Tahmin Modeli

Tahmin İçin Python Kodunu Kullanma

Hedefimize ulaşmak için Python kullanmak zor bir iş değil. Başlamak için Jupyter Notebook'unuzu açın . 

Python Kullanan LuckyTemplates Tahmin Modeli

İhtiyacımız olan verileri getirin: pandalar, matplotlib.pyplot, seaborn ve ExponentialSmoothing

Python Kullanan LuckyTemplates Tahmin Modeli

Muhtemelen daha doğru olacak başka modeller var, ancak daha fazla optimizasyon gerektirecekler. 

Mevsimselliği ve trendi görmek için sezonluk_decompose'u da getireceğiz . Ardından, verilerimizi okumak için  web_forecast.xlsx web tahminini kullanın .

Python Kullanan LuckyTemplates Tahmin Modeli

Ardından, aşağıdaki kodu kullanarak tarihi değiştirin. 

Python Kullanan LuckyTemplates Tahmin Modeli

Veri kümemizin dizinini Tarih olarak ayarlayın ve ts olarak adlandırın . Ardından, veri kümesinin sıklığını ayarlayın. Elimizde günlük veri olduğunu biliyoruz, o halde gün içindeki frekansı d olarak ayarlayalım ve ts olarak kaydedelim . 

Python Kullanan LuckyTemplates Tahmin Modeli

Son olarak, ts.plot ( ) kullanarak çizim yapın.

Python Kullanan LuckyTemplates Tahmin Modeli

Çizdikten sonra, tam olarak LuckyTemplates not defterimizde gördüklerimizi görmeliyiz.  

Python Kullanan LuckyTemplates Tahmin Modeli

Gerçek trendimizin bileşenleri hakkında daha iyi bir fikir edinmek için aşağıdaki kodu kullanabiliriz.

Python Kullanan LuckyTemplates Tahmin Modeli

İlk model Gerçek Değerlerimizdir . Yanında , season_decompose(ts).plot(); ile yakaladığımız trend çizgisi var . .

Python Kullanan LuckyTemplates Tahmin Modeli

Python Kullanan LuckyTemplates Tahmin Modeli

Modele eklememiz gereken trend budur. 

Python Kullanan LuckyTemplates Tahmin Modeli

Ayrıca hem LuckyTemplates hem de Üstel Düzeltme modeline ekleyebileceğimiz  mevsimselliğe sahibiz .

Python Kullanan LuckyTemplates Tahmin Modeli

Son modelimiz, noktalarla temsil edilen verilerdeki Artıkları veya beklenmeyenleri gösterir. Dikkat edin, verilerimizin sonuna doğru ilerledikçe, meydana gelen çok daha fazla olay olduğunu görebiliriz. 

Python Kullanan LuckyTemplates Tahmin Modeli

Modeli Eğitmek

Modelimiz ile, genellikle testlerin takip ettiği verilerimizi eğitmemiz gerekiyor. Ancak bu durumda modelimizi test etmeyeceğiz çünkü sadece modelin bize verdiği şeyi kullanacağız. 

Python Kullanan LuckyTemplates Tahmin Modeli

Veri kümemizde 298 gün var , ancak bu örnekte, modelin yalnızca 290 günü hatırlaması gerekiyor. Bunun nedeni, modele öğrenemeyeceği ve sonunda sadece kopyalayacağı tüm verileri vermek istemememizdir. 

Temel olarak, 298 gün üzerinden 290 günlük bu eğitim setine sahibiz. 

Python Kullanan LuckyTemplates Tahmin Modeli

Ardından, modelimiz için ExponentialSmoothing'i kullanın. Ardından, 290 günlük eğitim veri setini girin ve trendimiz için add (additive), mevsimimiz için mul (çarpım) ve mevsimsel dönemler için 7 kullanın . Ardından, bu verileri modele sığdırın.

Python Kullanan LuckyTemplates Tahmin Modeli

Eklemeli ve Çarpan Trendler

Toplayıcı ve çarpımsal eğilimlerin ne olduğuna dair hızlı bir genel bakışa sahip olalım.

Toplamsal bir modelde eğilim yavaşça toplanırken, çarpımsal modelde katlanarak artar ve oldukça fazla şey olur. Farklı bir tahmin türü elde etmek için ikisinden birini kullanabiliriz. 

Python Kullanan LuckyTemplates Tahmin Modeli

Tahminimizi değiştirmek için toplama ve çarpma yöntemleriyle oynayabiliriz. Mevcut verilerimiz açıkça artıyor, bu nedenle toplama kullanmak zorunludur, ancak ne elde edeceğimizi görmek için çarpım kullanmayı da deneyebiliriz. 

Python Kullanan LuckyTemplates Tahmin Modeli

Örneğin, mevsimselliği mul yerine add olarak değiştirin . 

Python Kullanan LuckyTemplates Tahmin Modeli

Verileri çalıştırın ve tahminin nasıl değiştiğini gözlemleyin.

Python Kullanan LuckyTemplates Tahmin Modeli

Benzer şekilde, trendi add yerine mul olarak değiştirebiliriz . 

Python Kullanan LuckyTemplates Tahmin Modeli

Bu, biraz daha büyük olan çarpımsal bir eğilim sağlamalıdır. 

Python Kullanan LuckyTemplates Tahmin Modeli

Muhtemel kombinasyonlar denendikten sonra hem trend hem de mevsim için mul kullanılmasının EN İYİ sonucu verdiği görüldü . 

Python Kullanan LuckyTemplates Tahmin Modeli

Python Kullanan LuckyTemplates Tahmin Modeli

Bu tahmin modeline sahip olduğumuzda, bunu 30 gün önceden tahmin etmek için kullanabiliriz. 

Python Kullanan LuckyTemplates Tahmin Modeli

LuckyTemplates Uygulaması 

Aynı LuckyTemplates tahmin modelini LuckyTemplates not defterimizde oluşturalım.

LuckyTemplates Tahminimizde Görselleştirmeler > Analiz > Seçenekler'e gidin . Tahmin uzunluğunu nasıl 30 gün olarak ayarladığımıza dikkat edin

Python Kullanan LuckyTemplates Tahmin Modeli

Python Kullanan LuckyTemplates Tahmin Modeli

Power Query'de bu kodu çok kolay bir şekilde nasıl uygulayabileceğimizi görelim. 

Verileri dönüştür'e  tıklayın .

Python Kullanan LuckyTemplates Tahmin Modeli

Power Query Düzenleyicisi'nde, Kategori için verileri ve Özel Ekle sütununu getirin . Gerçekleşenleri daha sonra Tahminlerden ayırabilmemiz için  Gerçekleşenleri kullanın .

Python Kullanan LuckyTemplates Tahmin Modeli

Python Kullanan LuckyTemplates Tahmin Modeli

Forecasts Query'ye gidersek , 30 güne eşdeğer daha küçük bir veri seti görürüz.

Python Kullanan LuckyTemplates Tahmin Modeli

Python Komut Dosyasını İnceleme 

Python Komut Dosyamız benzer bilgiler içerir. İlk olarak, bir veri kümesi getiriyoruz, df olarak kaydediyoruz, Date'i datetime olarak değiştiriyoruz ve frekansı d (day) olarak ayarlıyoruz. 

Holtwinters'tan ExponentialSmoothing modelimizi de getiriyoruz . İlk 290 günü eğitim setimiz olarak alıyoruz ve ardından bu verileri modele ekliyoruz. 

ExponentialSmoothing modelimizde eğitim verilerini ekleyip hem trendleri hem de mevsimi mul (çarpımsal) ve mevsimsel dönemleri 7 gün olarak ayarlıyoruz. Daha sonra modelimize uyguluyoruz .

Ardından, tahminimizle birlikte yeni bir veri çerçevesi veya tablo alırız. Dizini sıfırlıyoruz ve orijinal verilerimizde sahip olduğumuzla eşleşmesi için Tarih ve Sayfa Görünümleri olarak adlandırıldıklarından emin oluyoruz . Son olarak Tamam'a tıklıyoruz

Python Kullanan LuckyTemplates Tahmin Modeli

Çıktıda, tüm bu değişkenler bize veriler içinde verilir. 

Python Kullanan LuckyTemplates Tahmin Modeli

Uygulanan Adımlar'a gidin ve Sütun Eklendi'yi tıklayın . Bu, tahmin edilen değerlerimizi ve kategori olarak  Tahmini olan özel sütunu içeren bir tablo açar.

Python Kullanan LuckyTemplates Tahmin Modeli

Bir sonraki sorguda, Gerçekleşenler ve Tahminlere sahip olduğumuz iki veri setini basitçe ekleriz . 

Python Kullanan LuckyTemplates Tahmin Modeli

Kapat ve Uygula'yı tıklayın . 

Python Kullanan LuckyTemplates Tahmin Modeli

Çarpımsal yöntemi uyguladığımızda model biraz değişti. 

LuckyTemplates ile karşılaştırıldığında, Python'da trendin toplamsal yapısını ve mevsimselliği değiştirerek kolayca tahmin yapabilir ve modeli biraz daha iyileştirebiliriz . Aynı şekilde bu tahminleri gerçek veri setimize ekleyebiliriz. 

Python Kullanan LuckyTemplates Tahmin Modeli


DAX Kullanarak LuckyTemplates'da İleriye Dönük Tahminler Oluşturma
DAX Kullanarak LuckyTemplates'da Trend Analizi Nasıl Yapılır?
Bütçe Analitiklerinizde Mevsimselliği Yönetme – Gelişmiş LuckyTemplates

Çözüm

Bu blogda, Python kullanarak LuckyTemplates'da bir tahmin modeli oluşturma sürecini inceledik . Python'u LuckyTemplates ile tümleştirerek , daha gelişmiş tahminler oluşturmamızı sağlayan çok çeşitli veri analizi ve modelleme araçlarına erişebiliriz. 

Bu öğreticide öğrendiğiniz becerilerle, artık LuckyTemplates'da kendi tahmin modellerinizi oluşturabilir ve bunları geleceği güvenle planlamak için kullanabilirsiniz. Tahminin yinelemeli bir süreç olduğunu unutmayın, bu nedenle verileriniz için en uygun olanı bulmak için farklı algoritmalar ve teknikler denemekten çekinmeyin ve yeni veriler geldikçe modelinizi sürekli kontrol edip güncelleyin.

Herşey gönlünce olsun,

Gaelim Hollanda

Leave a Comment

Excel Hücrelerini Metne Sığdırma: 4 Kolay Çözüm

Excel Hücrelerini Metne Sığdırma: 4 Kolay Çözüm

Excel hücrelerini metne sığdırmak için güncel bilgileri ve 4 kolay çözümü keşfedin.

Bir Excel Dosyasının Boyutu Nasıl Küçültülür – 6 Etkili Yöntem

Bir Excel Dosyasının Boyutu Nasıl Küçültülür – 6 Etkili Yöntem

Bir Excel Dosyasının Boyutunu Küçültmek için 6 Etkili Yöntem. Hızlı ve kolay yöntemler ile verilerinizi kaybetmeden yer açın.

Pythonda Self Nedir: Gerçek Dünyadan Örnekler

Pythonda Self Nedir: Gerçek Dünyadan Örnekler

Python'da Self Nedir: Gerçek Dünyadan Örnekler

Rde Bir RDS Dosyası Nasıl Kaydedilir ve Yüklenir

Rde Bir RDS Dosyası Nasıl Kaydedilir ve Yüklenir

R'de bir .rds dosyasındaki nesneleri nasıl kaydedeceğinizi ve yükleyeceğinizi öğreneceksiniz. Bu blog aynı zamanda R'den LuckyTemplates'a nesnelerin nasıl içe aktarılacağını da ele alacaktır.

İlk N İş Günü Tekrar Ziyaret Edildi – Bir DAX Kodlama Dili Çözümü

İlk N İş Günü Tekrar Ziyaret Edildi – Bir DAX Kodlama Dili Çözümü

Bu DAX kodlama dili eğitiminde, GENERATE işlevinin nasıl kullanılacağını ve bir ölçü başlığının dinamik olarak nasıl değiştirileceğini öğrenin.

LuckyTemplatesda Çok İş Parçacıklı Dinamik Görsel Tekniği Kullanarak Öngörüleri Sergileyin

LuckyTemplatesda Çok İş Parçacıklı Dinamik Görsel Tekniği Kullanarak Öngörüleri Sergileyin

Bu eğitici, raporlarınızdaki dinamik veri görselleştirmelerinden içgörüler oluşturmak için Çok Kanallı Dinamik Görseller tekniğinin nasıl kullanılacağını kapsayacaktır.

LuckyTemplatesda İçeriği Filtrelemeye Giriş

LuckyTemplatesda İçeriği Filtrelemeye Giriş

Bu yazıda, filtre bağlamından geçeceğim. Filtre bağlamı, herhangi bir LuckyTemplates kullanıcısının başlangıçta öğrenmesi gereken en önemli konulardan biridir.

LuckyTemplates Çevrimiçi Hizmetindeki Uygulamaları Kullanmak İçin En İyi İpuçları

LuckyTemplates Çevrimiçi Hizmetindeki Uygulamaları Kullanmak İçin En İyi İpuçları

LuckyTemplates Apps çevrimiçi hizmetinin çeşitli kaynaklardan oluşturulan farklı raporların ve içgörülerin yönetilmesine nasıl yardımcı olabileceğini göstermek istiyorum.

Fazla Mesai Kâr Marjı Değişikliklerini Analiz Edin - LuckyTemplates ve DAX ile Analitik

Fazla Mesai Kâr Marjı Değişikliklerini Analiz Edin - LuckyTemplates ve DAX ile Analitik

LuckyTemplates'da ölçü dallandırma ve DAX formüllerini birleştirme gibi teknikleri kullanarak kâr marjı değişikliklerinizi nasıl hesaplayacağınızı öğrenin.

DAX Studioda Veri Önbellekleri İçin Materyalleştirme Fikirleri

DAX Studioda Veri Önbellekleri İçin Materyalleştirme Fikirleri

Bu öğreticide, veri önbelleklerini gerçekleştirme fikirleri ve bunların DAX'ın sonuç sağlama performansını nasıl etkilediği tartışılacaktır.