SAS Visual Forecasting 特征列表

分布式环境中的大规模时间序列分析和预测

  • 在分布式内存环境中自动生成大量基于统计的预测。
  • 脚本语言支持分布式内存时间序列分析。
  • 拖拽数据,以便将每个时间序列复制到单个计算节点的内存中。
  • 在节点的一个线程上执行每个时间序列,每个节点针对为其分配的每个时间序列执行编译的脚本。
  • 针对其运行所在的计算机进行优化,用户无需为其他计算机重写代码。

神经网络/机器学习建模策略节点

  • 包括具有自动特征生成和超参数调整(自动调整)功能的面板序列神经网络框架。
  • 提供一个多阶段(神经网络/回归+时间序列)框架,用于创建结合来自不同类型模型的信号的预测方法。
  • 使用堆叠模型(神经网络+时间序列)预测解决具有时间序列特征以及因变量和自变量之间的非线性关系的问题。

深度学习功能

  • 使用循环神经网络 (RNN)、长短期记忆 (LSTM) 单元网络和门控循环单元 (GRU) 网络生成预测。
  • 使用上述深度学习方法自动格式化事务数据,用于预测目的。
  • 自动运用回归策略,实现多步预测。

交互式建模

  • 自动生成分析图,包括单个时间序列的季节周期、自相关函数 (ACF)、偏自相关函数 (PACF) 和白噪声概率检验。
  • 使用样本内和样本外区域的选择指标,对模型进行直观的比较。
  • 通过简单易用的用户界面,为单个时间序列开发自定义的指数平滑、ARIMA 和取子集的(因子的)ARIMA 模型。
  • 选择适用的最佳模型。

灵活的覆盖工具

  • 可实现不受预测层次结构限制的自定义预测调整。
  • 可让您根据属性(如位置、品牌、类别、大小、颜色、倾向性、质量等)选择过滤器。
  • 可让您按过滤器和时间段定义过滤器中包含的所有时间序列的覆盖规范。
  • 包括分面搜索过滤器。
  • 允许使用优化模型分解覆盖。
  • 支持批处理执行和增量数据更新。

集成建模

  • 使用不同的建模策略开发预测管道,并使用集成建模节点为每个序列选择更佳预测。
  • 选择集成建模中要包含的模型
  • 您可以在预测过程中结合使用局部和全局建模策略。

开源集成

  • 包括外部语言包 (EXTLANG),可使 Python 和 R 中的开源代码在云端 SAS Viya 的工作节点上并行运行。
  • 包括分布式开源代码节点,使用户可以轻松将 Python 或 R 代码和算法集成到预测管道中。
  • 利用开源预测方法为所有业务领域开发可重用的自定义节点。
  • 从 Python、R、Java、JavaScript 和 Lua 调用 SAS Visual Forecasting 分析操作。

层次建模

  • 开发可定制管道,在各层级进行深入分析和建模。
  • 在各层级自动调节预测。

基于数据模式的自动分段

  • 基于数量、波动率和季节性等时间序列模式的预构建分段模板。
  • 使用适当的建模策略,为预构建需求分类模板默认选择的各个分段自动创建嵌套的可配置管道。
  • 能够按用户导入预定义分段,最多支持 1,000 个分段。

派生属性

  • 创建预定派生属性集,包括:
    • 时间序列属性(最小、最大、均值、缺失等)。
    • 预测属性(模型属性、拟合统计量)。
    • 需求分类属性。
    • 数量/波动性属性。

时间序列分析

  • 自相关分析。
  • 交叉相关分析。
  • 季节分解和调整分析。
  • 计数序列分析。
  • 可实现季节性、平稳性、间歇性和暂定 ARMA 顺序选择的诊断测试。

时频分析

  • 窗口功能。
  • 用于实时和复杂时间序列的傅里叶分析。
  • 短时傅立叶分析。
  • 离散希尔伯特变换。
  • 伪威格纳-维尔分布。

时间序列建模

  • ARIMA 模型(动态回归和转移函数)。
  • 指数平滑模型。
  • 不可观测成分模型。
  • 状态空间模型。
  • 采用克罗斯顿方法的间歇性需求模型。

自动时间序列建模

  • 自动时间序列模型生成。
  • 自动输入变量和事件选择。
  • 自动模型选择。
  • 自动参数优化。
  • 自动预测。

奇异谱分析 (SSA)

  • 单变量 SSA 分解和预测。
  • 多变量 SSA。
  • 自动 SSA。

子空间跟踪 (SST)

  • 对多个时间序列执行高级监视(信号分析)技术。

时间间隔评估

  • 评估输入表中的变量是否适合用作时间 ID 变量。
  • 评估时间间隔规范与日期/日期时间值或用于索引时间序列的观测号的拟合度。
  • 可明确指定为 PROC TSMODEL 的输入,也可以由程序根据时间 ID 变量的值进行推断。

时间序列和预测查看器

  • 提供具有预构建时间序列属性集的时间序列查看器。
  • 提供具有预构建预测属性集的预测查看器。
  • 包括用于查看多个序列的包络图。
  • 允许您对描述性统计量、模型属性和拟合统计量信息使用分面过滤器。

时间序列降维 (TDR) 包

  • 可实现事务时间序列数据的降维,以准备进行时间序列挖掘。
    • 然后,您可应用传统数据挖掘技术(例如聚类、分类、决策树等)。

项目共享

  • Model Studio 中的项目使用 SAS Drive 的项目共享功能。
  • 使用读/写权限共享时,多个用户可以同时对项目进行更改。
  • 或者也可以使用只读权限共享项目。

分布式、可访问和云就绪

  • 在 SAS® Viya® 上运行的可扩展分布式内存引擎。
  • 分析和数据任务分配到多个计算节点。
  • 支持快速、并发、多用户访问内存数据。
  • 包括容错功能提高可用性。
  • 可让您通过 SAS Viya REST API 将 SAS 分析的功能添加到其他应用程序中。