分析平台中完整的时间序列应用程序

asimm4

最后，让我们看看如何使用我们的分析平台将这些步骤付诸实践。工作流程 访问转换和建模时间序列 图 6 中的 （可在 Hub 上获取）显示了从访问到清理、可视化探索、分解和建模时间序列的步骤。对于其中一些任务，我们使用 时间序列组件 将工作流封装为特定于时间序列的功能：以选定的粒度聚合数据、执行经典分解等。


图 时间序列分析的第一步：访问、转换、清理、可视化探索和建模时间序列。Hub 上提供了“访问转换和建模时间序列”工作流。（图片来源：KNIME）
在此示例中，我们使用 样品 – 超市 数据由 Tableau。在我们的分析中，我们关注 2014 年至 2017 年所有产品的订单——总共 9994 条记录。我们通过计算每天的总销售额将数据 美国 whatsapp 号码数据库 重塑为时间序列数据来开始预处理。现在，我们每天只有一个值，但有些日子缺失，因为这些天没有提交订单。因此，我们将这些天引入时间序列，并用固定值 0 替换缺失的销售值。之后，我们在月度级别汇总数据，并在进一步分析中考虑每个月的平均销售额。