JavaScript 中的 FORECAST.ETS.CONFINT

首页 / JavaScript入门教程 / JavaScript 中的 FORECAST.ETS.CONFINT

描述

FORECAST.ETS.CONFINT函数返回指定目标日期的预测值的置信区间。

95%的置信区间表示,根据预测的FORECAST.ETS输出(具有正态分布),预期有95%的未来点将落在此半径内。使用置信区间可以帮助掌握预测模型的准确性。较小的间隔将暗示对该特定点的预测更有信心。

语法

FORECAST.ETS.CONFINT (target_date, values, timeline, 
[confidence_level], [seasonality], [data_completion], [aggregation])

争论

Argument 描述 Required/Optional
Target_date The data point for which you want to predict a value. Target date can be date/time or numeric. Required
Values Values are the historical values, for which you want to forecast the next points. Required
Timeline

数字数据的独立数组或范围。时间轴中的日期之间必须具有一致的步长,并且不能为零。

但是,FORECAST.ETS.CONFINT支持多达30%的丢失数据,并将自动对其进行调整。

时间轴不需要排序,因为FORECAST.ETS.CONFINT会将其隐式排序以进行计算。

Required
Confidence_level

0到1(不包括)之间的数值,表示计算出的置信区间的confidence_level。

如,对于90%的置信区间,将计算90%的置信度(90%的未来点将落在预测的此半径之内)。默认值为95%。

Optional
Seasonality

一个数字值。

默认值1表示Excel自动为预测检测季节性,并使用正整数表示季节性模式的长度。

0表示没有季节性,意味着预测将是线性的。正整数将指示算法使用此长度的模式作为季节性。

支持的最大季节性为8,760(一年中的小时数。

Optional
Data_completion

FORECAST.ETS.CONFINT在时间轴中最多支持30%的丢失数据,并将根据Data_completion自动对其进行调整。

无涯教程网

默认值1将通过将缺失点完成为相邻点的平均值来解决缺失点。

0将指示该算法将缺失点计为零。

Optional
Aggregation

尽管时间轴要求数据点之间的步长恒定,但是FORECAST.ETS.CONFINT将聚合具有相同时间戳的多个点。

聚合参数是一个数值,指示将使用哪种方法来聚合具有相同时间戳的多个值。默认值0将使用AVERAGE,而其他options是SUM,COUNT,COUNTA,MIN,MAX和MEDIAN。

Optional

Notes

  • 在Excel 2016中添加了FORECAST.ETS.CONFINT函数。

    链接:https://www.learnfk.comhttps://www.learnfk.com/javascript/advanced-excel-statistical-forecastetsconfint-function.html

    来源:LearnFk无涯教程网

  • 此函数使用高级机器学习算法,如指数三次平滑(ETS)。

  • 如果目标日期按时间顺序在历史时间轴的末尾之前,则FORECAST.ETS.CONFINT返回#NUM!。错误。

  • 如果一个恒定的步骤不能在规定的时间线来确定,FORECAST.ETS.CONFINT返回#NUM!错误。

  • 如果时间轴包含重复值,则FORECAST.ETS.CONFINT返回#VALUE!错误。

  • 如果时间轴的范围和值的大小不同,则FORECAST.ETS.CONFINT返回#N/A错误。

  • 如果置信度级别超出范围(0,1),则FORECAST.ETS.CONFINT返回#NUM!。错误。

  • If the Seasonality is <0, or >8760, or a non-numeric value, FORECAST.ETS.CONFINT returns the #NUM! error.

适用性

Excel 2016

祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)

技术教程推荐

人工智能基础课 -〔王天一〕

数据结构与算法之美 -〔王争〕

DDD实战课 -〔欧创新〕

设计模式之美 -〔王争〕

数据中台实战课 -〔郭忆〕

恋爱必修课 -〔李一帆〕

讲好故事 -〔涵柏〕

大数据经典论文解读 -〔徐文浩〕

云原生架构与GitOps实战 -〔王炜〕

好记忆不如烂笔头。留下您的足迹吧 :)