借助预测功能，分析师可以快速向新的或现有的“探索”查询添加数据预测，以帮助用户预测和监控特定数据点。您可以将预测结果和可视化图表添加到信息中心，并将其保存为 Looks。您还可以在嵌入的 Looker 内容中创建和查看预测结果和可视化结果。
如果您拥有创建预测的权限，则可以预测数据。
如何创建和显示预测结果
预测功能会使用“探索”数据表中的数据结果来计算未来的数据点。预测计算仅包含“探索”查询的显示结果；不会包含因行数限制而未显示的任何结果。如需详细了解用于计算预测的算法，请参阅本页中的 ARIMA 算法部分。
预测结果显示为现有“探索”可视化图表的延续，并受配置的可视化图表设置的约束。预测数据点与非预测数据点的区别如下：
- 在受支持的直角坐标系图表中，预测数据点会以较浅的阴影或虚线的形式呈现，以便与非预测数据点区分开来。
- 在支持的文本和表格图表类型中，预测数据点会以斜体显示，并会附加星号。
将光标悬停在预测数据点上时显示的提示中也会明确标识预测数据。
只有某些类型的可视化图表支持预测数据，如以下部分所述。
ARIMA 算法
预测功能利用自回归集成移动平均 (ARIMA) 算法来创建与输入预测的数据最匹配的方程。为了找到最佳匹配数据，Looker 会使用一组初始变量运行 ARIMA，创建初始变量的变体列表，然后使用这些变体再次运行 ARIMA。如果任何变体创建的方程更适合输入数据，Looker 会将这些变体用作新的初始变量，并创建其他变体以供评估。Looker 会继续重复此过程，直到找到最佳变量，或者所有选项或分配的计算时间用尽为止。
此过程可以视为一种遗传算法，在这种算法中，数百代中的个体会分别产生 1 到 10 个后代（基于父亲的不同变量），而最好的后代可以存活下来，从而创造“更好的”新生代。Looker 在遗传算法方法中使用多次 ARIMA 调用的方式称为 AutoARIMA。
如需详细了解 AutoARIMA，请参阅 pmdarima 用户指南的使用 auto_arima 的技巧部分。虽然这不是 Looker 用于运行 AutoARIMA 的库，但 pmdarima 可以提供有关该过程和所用不同变量的最佳说明。
支持的可视化图表类型
其他可视化类型（包括自定义可视化）目前无法呈现预测数据。
探索预测的查询要求
如需创建预测，探索必须满足以下要求：
需要考虑的事项
在创建新的探索查询以进行预测或向现有探索查询添加预测时，请考虑以下其他条件：
- 数据透视 - 只要满足上述要求，您就可以对数据透视探索执行预测。
- 行总计和小计 - 行总计和小计不包含预测值；我们不建议将小计或行总计与预测功能搭配使用，因为这可能会产生意外数字。
- 包含不完整时间范围的过滤条件 - 为了准确进行预测，当“探索”包含不完整时间范围的数据时，才应结合使用预测功能与“探索”过滤条件中的完整时间范围逻辑结合使用。例如，如果用户预测未来某个月的数据，而“探索”工具过滤为显示过去三个月的数据，则“探索”工具会包含当前不完整月份的数据。预测时会将不完整的数据纳入计算，并显示更不可靠的结果。当探索包含不完整的时间范围（例如，探索包含当月的月度数据不完整）时，请改用“过去 3 个完整月份内”（而非“过去 3 个月内”）等过滤条件逻辑，以确保更准确的预测结果。
- 表计算 - 基于一个或多个预测指标的表计算将自动包含在预测中。
- 行数限制 - 了解行数限制如何应用于整个数据表（包括预测行）。
如需更多提示和问题排查资源，请参阅本页面的常见问题和注意事项部分。
通常，行数越多且预测长度越短的数据集，预测结果就越准确。
预测菜单选项
您可以使用预测菜单中的选项（位于探索可视化图表标签页上）自定义预测数据。预测菜单包含以下选项：
选择字段
选择字段下拉菜单会显示“探索”查询中可用于预测的测量或自定义测量。最多可选择 5 个测量或自定义测量。
长度
长度选项指示要预测数据值的行数或时间长度。系统会根据“探索”查询中的“时间范围”维度自动填充预测时长间隔。
通常，数据集行数越多，且预测长度越短，预测结果就越准确。
预测区间
通过预测间隔选项，分析师可以表达预测结果中的一些不确定性，以帮助提高准确性。启用预测间隔选项后，您可以选择预测数据值的边界。例如，预测区间为 95% 表示预测的测量值有 95% 的几率会落在预测的上限和下限之间。
所选预测区间越大，上限和下限就越宽。
季节性
季节性选项可让分析师在预测中说明已知周期或重复数据趋势，该选项是指相应周期内数据的行数。例如，如果“探索”数据表每小时占一行，且数据每天循环，则季节性变化为 24。
采用默认预测设置时，Looker 会引用“探索”中的日期维度，并扫描多个可能的季节性周期，以便找到与最终预测最匹配的周期。例如，使用小时级数据时，Looker 可能会尝试使用每日、每周和四周季节性周期。Looker 还会考虑维度的频率。如果某个维度代表 6 小时的时间段，Looker 会知道一天内只有四行数据，并相应地调整季节性变化。
对于常见用例，自动选项会检测给定数据集的最佳季节性变化。如果您知道数据集中的特定周期，可以使用自定义选项指定构成预测中各个衡量的循环的行数。
预测多个指标的数据值时，您可以为每个指标选择不同的季节性变化选项，包括“无”。季节性下拉菜单包含多个选项：
默认情况下，预测功能会将自动季节性选项应用于预测，即使未启用季节性选项也是如此。
自动
使用自动季节性变化选项时，Looker 会为您来自多个常见季节性时段（例如每日、每小时、每月等）的数据选择最佳选项。
自定义
如果您知道数据集中每个季节或周期的行数，则可以在时段字段中指定该行数。如果您知道您的数据周期会以特定的行数显示，则选择自定义可能会很有帮助。
如果您使用的是按月周期变化但以更精细粒度表示的数据（例如，在探索中使用日期或周粒度），通常 4 周或 30 天的时间段适合按月周期。
无
季节性是预测中的一个强大组成部分；不过，根据输入数据，不一定总是建议使用季节性。如果数据中没有可预测的周期，那么当算法尝试发现规律，然后尝试使假模式符合预测时，启用季节性变化可能偶尔会导致预测不准确。这可能会导致含糊不清的预测结果。
如果您要为多个衡量指标预测数据值，并且只想为一个或多个衡量指标启用季节性变化，则可以为您不想为其启用季节性的所有衡量指标选择无。
创建预测
只有拥有相应权限的用户才能创建预测。
如需创建预测，请按以下步骤操作：
确保您的探索符合预测要求。例如，用户希望为“探索”查询创建预测，其中包含按创建用户数从高到低排序的创建用户数、用户数和订单数。结果会显示截至 2019 年 12 月的数据。
在“探索”可视化标签页上，点击预测以打开预测菜单。
点击选择字段下拉菜单，最多选择 5 个衡量指标或自定义衡量指标。示例中的用户选择了用户数和订单数。
在时长字段中输入您要预测的未来时长。示例中的用户输入 6 个月。
点击菜单标签页中预测旁边的 x 以保存设置并退出菜单。
点击运行，以重新运行“探索”查询。（对预测进行任何更改后，您必须重新运行“探索”）。
现在，您的“探索”结果和可视化图表将显示指定时长的预测值。使用指定的选项后，示例“探索”页面会显示 2020 年 1 月至 2020 年 6 月这 6 个月内用户数和订单数的预测数据。
由于预测计算取决于数据的排序顺序，因此在预测查询运行后，系统会停用排序功能。
修改预测
只有具备权限的用户才能修改预测。
如需修改预测，请执行以下操作：
- （可选）根据需要修改“探索”查询，以添加或移除不同的衡量标准或时间范围字段。确保您的“探索”功能符合预测要求。
- 点击“探索”可视化图表标签页中的预测，打开预测菜单。
- 点击选择字段下拉菜单，即可更改预测字段。如需移除预测字段，请执行以下操作：
- 在展开的选择字段下拉菜单中，点击预测字段旁边的复选框，以从预测中移除这些字段。
- 或者，在收起的选择字段菜单中，点击字段名称旁边的 x。
- 根据需要在时长字段中修改要预测的未来特定时长。
- 您可以选择点击预测间隔或季节性开关，以启用任一功能并自定义关联的选项。
- 如果预测间隔或季节性已启用，系统会显示自定义设置。根据需要修改自定义设置，或选择开关，从预测中移除相应函数。
- 点击菜单标签页中预测旁边的 x 以保存设置并退出菜单。
- 点击运行以重新运行“探索”查询。（对预测数据进行任何更改后，您必须重新运行“探索”工具。）
现在，您的“探索”结果和可视化图表将显示修改后的预测结果。由于预测计算取决于数据的排序顺序，因此预测查询运行后，排序功能就会停用。
移除预测
只有具备权限的用户才能移除预测。
如需从“探索”中移除预测，请执行以下操作：
- 在“探索”可视化标签页上，点击预测以打开预测菜单。
- 点击预测菜单顶部的清除。
系统会自动重新运行查询，以生成不应用预测结果的结果。
常见问题和注意事项
准确性如何？
预测的准确性取决于输入数据。Looker 的 AutoARIMA 实现可以做出非常准确的预测，从而成功结合输入数据中的许多细微差别。在某些情况下，算法会陷入输入数据中的奇怪模式，并在预测中过度强调这些模式。请务必提供足够的数据，并确保数据尽可能准确，以便充分发挥预测的作用。
无法生成预测
无法生成预测值的原因有很多。这些问题通常与输入数据量过少或请求的预测长度过长有关。这两个因素都没有特定限制，并且特定时长的预测没有确切比例所需的输入数据。输入数据越分散、越不可预测，AutoARIMA 算法就越难找到匹配项。生成预测最有效的方法是增加干净的输入数据量，确保季节性设置正确无误，并将预测时长缩短到仅适合所需的时长。使用预测间隔选项时，选择较短的间隔时间可能会有所帮助。
输入数据清理可能涉及：
- 剪除不含数据的时间段的前导或尾随行
- 通过选择更大的日期维度来减少数据集中的噪声
- 更改对预测没有好处的过滤离群值
返回的查询结果不含预测数据，并且我收到了一条含糊不清的错误
这种情况不应发生；如果发生，请尝试从预测配置中移除相应指标，然后重新添加。
预报显示，但明显不正确或没有帮助
在这种情况下，最佳做法是添加更多输入数据，尽可能清理输入数据，还可以设置自定义季节性变化（如果您知道数据中的具体周期），或者选择无来完全停用季节性选项。
清理输入数据可能涉及以下任务：
- 修剪前导或尾随不包含数据的时间段的行
- 通过选择更大的日期维度来减少数据集中的噪声
- 更改不利于预测的过滤器离群值