在构建数据模型或机器学习模型时，预测分析是重要的指标之一，它能够使“预见”未来并据此制定商业计划。Power BI就是这样一个商业分析服务工具，它提供了交互式可视化、格式化和商业智能功能，包括Power BI预测功能。时间序列预测对于数据科学家来说非常重要，因为他们会使用不同的工具，如Excel、Power BI、不同的数据模型和预测模型来进行数据分析。本文将探讨时间序列预测是什么，以及Microsoft Power BI如何制作时间序列预测图表、线图可视化预测、DAX、Power Query编辑器，以及Power BI用于预测的模块。
学习目标
本教程将教了解Power BI中的时间序列预测。将熟悉不同类型的时间序列及其用例。此外，逐步指南将教如何在Power BI中创建时间序列预测图表。
目录
什么是时间序列预测？
平稳时间序列与非平稳时间序列
Power BI中的时间序列预测
如何在Power BI中创建时间序列预测图表？
常见问题解答
什么是时间序列预测？
时间序列是按日、小时、月、年等固定间隔收集的数据。时间序列预测是一种机器学习技术，它分析数据和时间序列来预测未来事件。这种技术基于历史时间序列数据提供对未来趋势的近似准确假设。时间序列允许分析主要模式，如趋势、季节性、周期性和不规则性。它用于各种应用，如股市分析、模式识别、地震预测、经济预测、人口普查分析等。
平稳时间序列与非平稳时间序列
平稳时间序列是指统计属性（如均值、方差）随时间保持不变的时间序列。换句话说，平稳时间序列的统计属性在任何观察点都是独立的。平稳时间序列具有恒定的方差。非平稳时间序列是指统计属性（如均值、方差）随时间变化的时间序列。另一种说法是，平稳时间序列具有趋势，而非平稳时间序列没有恒定的方差。
Power BI中的时间序列预测
Power BI具有多个内置功能，可以帮助进行时间序列预测。这些功能包括时间智能、预测和自定义可视化。Power BI中的时间智能功能允许用户创建自定义时间段，如周或月，并根据这些时间段聚合数据。这有助于分析随时间变化的数据并识别趋势和模式。Power BI中的预测功能允许用户根据历史数据创建预测。用户可以指定预测的周期数和使用的算法。预测功能还提供了显示预测准确性的可视化。Power BI中的自定义可视化也可用于时间序列预测。用户可以创建显示历史数据和预测值的自定义可视化。这些可视化可以高度定制，并可以包括置信区间和趋势线等功能。
Power BI用于时间序列预测的算法
Power BI提供了两种指数平滑版本，一种用于季节性数据（ETS AAA），一种用于非季节性数据（ETS AAN）。当基于历史数据分析销售数据折线图时，Power BI会自动使用适当的模型。
Power BI中时间序列预测的步骤
从Excel、CSV、SQL等多种数据源导入历史数据到Power BI。这些数据应包括时间维度（如日期或月份）和指标（如销售或收入）。创建时间智能计算。此计算应根据时间段（如周或月）聚合数据。使用预测功能根据历史数据创建预测。指定预测的周期数和使用的算法。创建显示历史数据和预测值的自定义可视化。这些可视化应包括趋势线和置信区间等功能。