内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

专属服务器_无服务器_是什么

2021-07-09 23:05 出处:欧普曼云计算 人气: 评论(0

这个博客是我之前关于数据科学的博客的延续https://blogs.sap.com/2020/07/07/sap-s-4-hana-and-data-science/。

SAP Analytics cloud(SAC)是软件即服务(SaaS)平台,用于在一个产品中为所有用户提供分析能力。SAC在分析、规划、预测和报告方面的能力都集中在一个地方,以减少时间和节省精力。

我的博客是关于如何将预测分析嵌入SAC中,以简化业务理解,以及业务如何提取强大的信息,从而做出与未来规划相关的任何决策。

我的博客的整体思想是本博客旨在帮助企业用户了解预测分析的使用以及SAC如何简化他们的生活。我不打算使用数学分析或推理统计的复杂逻辑或提前假设。我坚信"商业第一"的政策,这是使商业生活更轻松的一个促成因素。因此,我的博客关注的是统计数据的使用,而不是公式的工作原理或推导过程。

来源:SAP

智能预测

帮助业务用户SAP将自动预测功能集成到SAC中。大多数情况下,云服务器吧,零售大数据解决方案,所有业务都需要三种主要的预测技术。因此,SAP提供的功能能够满足最流行的业务需求。

预测技术是

2。回归:简单定义就是某些变量之间的关系,给出因果关系。时间序列:简单定义特定时期内的数据收集和预测一段时间内的行为。

数据源的简要概述

我们可以利用各种数据源,其中一些是:

在大多数情况下,如果您有S/4 HANA,什么是物联网工程,您的ABAP或UI5顾问可以通过提供CDS视图来帮助您。对于excel和csv,这是一个简单的上传。

在三种预测技术中,我将尝试解释一些关于回归模型的有趣的案例研究。它简单易行,免费云服务器,可以给你一些最好的预测来量化因果关系。

简单线性回归:

冰淇淋销售:我刚刚在excel中绘制了一个图表,你可以创建一些价值和类似的图表供你理解。当我们有多个因素时,物联网行业,SAC将用于多元回归。

因此,如果我想预测温度为40℃时冰淇淋的销量,我将使用简单的线性方程

Y=mx+C=5.1054*40+5.4384=209.54=210杯冰淇淋。

R2:现在让我们来了解R2越高越好。在我们的简单例子中,这是理想的。

多元回归

如果我想考虑更多的因素,可能会影响我的冰淇淋销售。这将为我的冰淇淋销售策略提供一个方向。

所以现在我的公式是:y=c+m1x1+m2x2+m3x3……mnxn。

为了简单起见,我正在考虑降雨对冰淇淋销售的影响。然后我们可以定义并找出如何在SAC中运行回归模型。我们为冰淇淋创建了一个预测模型,并根据我们的来源对模型进行了训练数据训练数据集的观测是预测模型的基础。考虑到本博客的范围,我们得到了以下以简化方式解释的某些值

均方根误差(RMSE):衡量我的模型预测的平均差值与实际值的差值

预测置信度:衡量预测模型的准确性。作为参考,95%或以上被认为是非常好的分数,85-95仍然被认为是好的。

描述性统计

平均值:数据集的平均值。

标准偏差:数据集的离散度。

6。影响者:图片描述了这一切。预测模型中每个变量的相对重要性。在我们的情况下是雨和温度

7。最关键的信息

让我们保持简单,请注意SAP试图使所有人都能轻松完成的整个想法。

实际验证:作为预测函数的实际目标值。(y=c+m1x1+m2x2+m3x3……mnxn)完美模型:所有预测值与实际值相等验证误差最小和最大:我目前的预测模型的偏差

结论

验证和完美模型:匹配,因此预测模型是准确的

因此,我们可以得出结论,降雨量和温度是预测冰淇淋销售的两个强影响因素。虽然一般来说气温的贡献似乎比较大,但是雨水有较高的价值,说明这个模型的美。

其他可以考虑进行多元回归的简单案例研究有

员工绩效的趋势以及影响趋势的多重因素。控制生产成本的关键因素。产品的销售趋势与某些影响因素,如位置、价格、促销等

我的下一个博客将介绍如何在SAC中使用R以一种非常简单的方式使用推断统计。

分享给小伙伴们:
本文标签: 专属服务器是什么

相关文章

评论

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。

签名: 验证码: 点击我更换图片

评论列表