關注微信公共號：小程在線
關注CSDN博客：程志偉的博客
視頻地址：https://www.bilibili.com/video/BV1E4411B7ef?p=14
41、迴歸分析
迴歸分析：本質上是講存在及可能存在的相關關係的變量擬合成直線或者曲線。據此，我們一方面可以總結出已有數據的規律和特徵，另一方面還可以預測數據。
1、簡單的線性迴歸模型
步驟：
①人工服務接聽量->列，呼入案頭總時長->列；分析->取消聚合度量
②添加回歸分析：直接右鍵->趨勢線->顯示趨勢線
迴歸方程如上，R值越大越好，越大越擬合越有關聯性，p值越小越好，p值決定了可信程度
添加趨勢線的幾種方法：
1、直接右鍵->趨勢線->顯示趨勢線
2、分析->趨勢線->顯示趨勢線
3、右側分析->模型->趨勢線
如果想看描述趨勢線：
步驟：右鍵趨勢線->描述趨勢線
如果把描述趨勢線添加到圖中，可以複製描述趨勢線內的內容。
2、其他的幾種迴歸分析模型：
我們可以在工作界面中點擊右鍵->趨勢線->編輯趨勢線——>選擇其他的幾種迴歸模型
1、對數模型
2、指數模型
根據上圖我們看到從140到後面增長曲線明顯增加，這時有人可能會認爲擬合度不好，但是其實其擬合度要比上一種更好，這時爲什麼呢？因爲後面的那部分量非常的少，對整個的擬合結果影響非常的小。
下面可以舉例說明：
創建一個計算字段：人工服務接聽量->右鍵->創建字段；人工服務接聽量異常區分->顏色
我們可以看到前半部分數據所佔比重佔大頭，同時我們可以看下正常數據和異常數據的所佔比：
由上圖我們可以看出異常數據對於曲線的擬合產生的影響很小。在統計裏通常6%或者更小的3%的數據可以忽略不計。
如果還不明白，我們可以通過創建參數來對比觀察：
步驟：1、右鍵左側空白處->創建參數->自定義參數，如下圖所示
2、修改下計算字段
然後我們進行對比查看：
當處於80時，異常數據佔13.19%
當處於130時，異常數據佔2.40%
除了以上對不，我們還可以通過添加趨勢線進行對比：
1、當值爲100時
2、當值爲140時
這樣是不是就很明朗了。
3、冪模型
4、多項式模型
42、時間序列分析
時間序列預測是Tableau內嵌的週期性的預測功能，它能夠自動的擬合預測模型，分析數據的變化規律，定量的預測數據，同時也可以對預測模型的參數進行調整，評價預測模型的精度。
1、創建人工服務接聽量預測曲線
時間序列本質上是用原始的時間序列數據擬合出模型，分析研究數據的變化發展規律，從而得出觀測數據的統計特徵，再依據擬合出的模型外推(向後推)一定時間內預測的數值，並且能夠自動識別出是以周圍週期還是以月爲週期等的匹配的情況，可以自動識別出週期性。
步驟：
①先創建基礎表：人工服務接聽量->行，日期->列（下拉選擇天）
②顯示初步預測：右鍵圖中空白處->預測->顯示預測
③對預測曲線進行編輯：右鍵->預測->預測選項
但是如果真的選擇用零填充缺少值是，結果會出現很大的不同，因此更推薦補全原數據。
如果想更改預測模型選項可以點擊下圖的內容進行選擇：
其中，季節等同週期，如果波動很大，建議選擇累乘更好擬合
2、預測模型評價
步驟：右鍵->預測->描述預測
預測波動：
評價
累加與累成
如果數量集差異較大用累乘
後話：
關於Tableau的入門博客到此結束，由於寫的過於倉促，有的知識點並沒有完美的展現出來，很抱歉，又因爲專業理解還沒到一定程度，所以在某些部分可能會存在專業性不強的問題，但是通過此係列博客，還是可以瞭解到數據可視化軟件Tableau的基本使用得。在以後得日子裏，博主有可能還會繼續更新Tableau得進階博文。希望大家能夠關注下我！