---
schema_version: "1"
id: dcff2f749ca084e6472312a83e53058c79ec62d5fa8a0ac6164f5fb817cf0234
title: ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์
collection: tableau
version: current
locale: th-th
portal_url: https://docs.salesforce.com/tableau/current/th-th/pro/desktop/functions_functions_predictivemodeling.md
canonical_url: https://help.tableau.com/current/pro/desktop/th-th/functions_functions_predictivemodeling.htm
source_site: help.tableau.com
content_type: documentation
content_hash: 249cf125a8e5fb2208ce8db308e3f8e09b76a035714ba314004ef508811c3048
description: Reference for predictive modeling functions MODEL_PERCENTILE and MODEL_QUANTILE.
---
[ข้ามไปยังเนื้อหาหลัก](#main-content)

# ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์

บทความนี้จะอธิบายฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์และการใช้งานใน Tableau อีกทั้งยังสาธิตให้เห็นภาพด้วยตัวอย่างวิธีการสร้างการคำนวณตารางโดยใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์

## เพราะเหตุใดถึงใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์

ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ช่วยให้คุณสร้างการคาดการณ์ได้โดยเร็ว ซึ่งการคาดการณ์สามารถจัดการ แสดงเป็นภาพ และส่งออกได้เช่นเดียวกับข้อมูลโดยใช้[การคำนวณตาราง](https://help.tableau.com/current/pro/desktop/th-th/calculations_tablecalculations.htm)

ครั้งก่อนคุณอาจต้องผสานรวม Tableau กับ R และ Python เพื่อดำเนินการคำนวณทางสถิติขั้นสูงและประดิษฐ์ภาพใน Tableau คราวนี้คุณสามารถเลือกเป้าหมายและตัวคาดการณ์ได้โดยอัปเดตตัวแปรและประดิษฐ์ภาพแบบจำลองหลายแบบด้วยชุดค่าผสมต่างๆ ของตัวคาดการณ์ ข้อมูลสามารถถูกกรอง รวม และแปลงได้ทุกระดับของรายละเอียด โดยอินพุตและการคาดการณ์จะคำนวณใหม่โดยอัตโนมัติเพื่อให้ตรงกับข้อมูลในมุมมอง

หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ใน Tableau โปรดดู [การทำงานของฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์ใน Tableau](https://help.tableau.com/current/pro/desktop/th-th/predictions_overview.htm)

## ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์พร้อมให้ใช้งานใน Tableau

### MODEL\_PERCENTILE

<table class="table--plain" style="width: 100%;"><colgroup><col style="width: 20%;"><col></colgroup><tbody><tr><td>ไวยากรณ์</td><td><code>MODEL_PERCENTILE(
							<br>model_specification (optional),
							<br>target_expression,
						<br>predictor_expression(s))</code></td></tr><tr><td>คำนิยาม</td><td>แสดงผลความน่าจะเป็น (ระหว่าง 0 ถึง 1) ของค่าที่คาดหวังซึ่งน้อยกว่าหรือเท่ากับเครื่องหมายที่สังเกตได้ ซึ่งกำหนดโดยนิพจน์เป้าหมายและตัวคาดการณ์อื่นๆ นี่คือฟังก์ชันการแจกแจงแบบคาดการณ์ภายหลัง หรือที่เรียกว่าฟังก์ชันการกระจายสะสม (CDF)</td></tr><tr><td>ตัวอย่าง</td><td><pre>MODEL_PERCENTILE( SUM([Sales]),COUNT([Orders]))</pre></td></tr></tbody></table>

### MODEL\_QUANTILE

<table class="table--plain" style="width: 100%;"><colgroup><col style="width: 20%;"><col></colgroup><tbody><tr><td>ไวยากรณ์</td><td><code>MODEL_QUANTILE(
						<br>model_specification (optional), 
						<br>quantile, 
					    <br>target_expression,
						<br>predictor_expression(s))</code></td></tr><tr><td>คำนิยาม</td><td>แสดงผลค่าตัวเลขเป้าหมายภายในช่วงที่น่าจะเป็นซึ่งกำหนดโดยนิพจน์เป้าหมายและตัวคาดการณ์อื่นๆ ที่ควอนไทล์ที่ระบุ นี่คือควอนไทล์แบบคาดการณ์ภายหลัง</td></tr><tr><td>ตัวอย่าง</td><td><pre>MODEL_QUANTILE(0.5, SUM([Sales]), COUNT([Orders]))</pre></td></tr></tbody></table>

## สร้างการคำนวณการคาดการณ์

ดำเนินการตามขั้นตอนด้านล่างเพื่อเรียนรู้วิธีสร้างการคำนวณการคาดการณ์อย่างง่ายโดยใช้ฟังก์ชัน MODEL\_QUANTILE ดูตัวอย่างโดยละเอียดเพิ่มเติมได้ที่[ตัวอย่าง - สำรวจอายุคาดเฉลี่ยของเพศหญิงด้วยฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์](https://help.tableau.com/current/pro/desktop/th-th/predictions_example.htm)

### ขั้นตอนที่ 1: สร้างการแสดงเป็นภาพ

1. ใน Tableau Desktop ให้เชื่อมต่อกับแหล่งข้อมูลที่บันทึกไว้ **ตัวอย่าง - Superstore** ที่มาพร้อมกับ Tableau
2. ไปยังเวิร์กชีต
3. จากแผง**ข้อมูล** ให้ลากมิติข้อมูลวันที่สั่งซื้อ ไปยังแถบคอลัมน์
4. เปิดเมนูบริบทของการวัดผลเพื่อเปลี่ยนระดับรายการเป็นเดือนและปี
    
    ![เมนูดรอปดาวน์ที่แสดงตัวเลือกต่างๆ ของรูปแบบวันที่](/tableau/current/th-th/pro/desktop/th-th/Img/predict-pill-list-level.png)
5. ลากยอดขายไปยังแผงแถว

### ขั้นตอนที่ 2: สร้างฟิลด์ที่คำนวณ

1. คลิกเพื่อเปิดเมนูการวิเคราะห์ที่ด้านบน จากนั้นเลือกสร้างฟิลด์ที่คำนวณ
2. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

- ตั้งชื่อการคำนวณให้เป็น**คาดการณ์ยอดขายเฉลี่ย**
- ป้อนสูตรต่อไปนี้:
    
    MODEL\_QUANTILE(0.5, SUM(\[Sales\]),ATTR(DATETRUNC('month', \[Order Date\])))
    
    ข้อควรจำ: ฟังก์ชัน MODEL\_QUANTILE จะใช้ควอนไทล์ที่กำหนดและคาดการณ์ค่าตามตัวคาดการณ์ที่คุณป้อน
    
    อธิบายโดยละเอียดได้ดังนี้
    
    - ในกรณีนี้ ควอนไทล์ = 0.5 ซึ่งคาดการณ์ค่ามัธยฐาน
    - เราต้องการคาดการณ์ยอดขาย ดังนั้นนิพจน์เป้าหมายคือ SUM(\[Sales\])
    - เราต้องการให้การคาดการณ์อิงจากประสิทธิภาพที่ผ่านมาเป็นหลัก ดังนั้นเราจึงใส่วันที่เป็นตัวคาดการณ์ ซึ่งเป็นอาร์กิวเมนต์สุดท้ายในการคำนวณ

4. เมื่อเสร็จแล้ว ให้คลิกตกลง

การคำนวณการคาดการณ์ได้เพิ่มเป็นฟิลด์ที่คำนวณในแผงข้อมูลแล้ว

### ขั้นตอนที่ 3: เพิ่มการคำนวณการคาดการณ์ลงในมุมมอง

1. ลากการคำนวณการคาดการณ์ไปยังแผงแถวทางด้านขวาของ SUM(Sales)
2. คลิกขวา (Ctrl แล้วคลิกบน Mac) ที่การวัดผลแล้วเลือกแกนคู่
3. วืธีจัดตำแหน่งแกนสองแกนในแผนภูมิแกนคู่ให้ใช้มาตราส่วนเดียวกัน คือ คลิกขวา (กด Control แล้วคลิกบน Mac) ที่แกนรองซึ่งในกรณีนี้คือคาดการณ์ยอดขายเฉลี่ย แล้วเลือกซิงโครไนซ์แกน นี่จะตรงกับขนาดของสองแกน

![แผนภูมิเส้นเปรียบเทียบยอดขายเฉลี่ยที่คาดการณ์ไว้กับยอดขายจริงจากปี 2017 ถึงปี 2021](/tableau/current/th-th/pro/desktop/th-th/Img/viz-with-prediction.png)

ทั้งหมดเสร็จสิ้นเพียงเท่านี้ หากต้องการทราบวิธีขยายแกนวันที่และคาดการณ์อนาคต โปรดดู[ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ในการแสดงข้อมูลอนุกรมเวลาเป็นภาพ](https://help.tableau.com/current/pro/desktop/th-th/predictions_future.htm)

## กฎของการคำนวณการคาดการณ์

- คุณไม่สามารถผสมอาร์กิวเมนต์แบบรวมและแบบไม่รวมได้ หากนิพจน์เป้าหมายเป็นแบบรวม ตัวคาดการณ์ก็ต้องเป็นแบบรวมเช่นกัน
- ฟังก์ชันดังกล่าวเหมาะที่จะใช้ในการคาดการณ์ค่าสำหรับระเบียนแต่ละรายการบนการแสดงเป็นภาพต่างๆ ที่แต่ละเครื่องหมายคอยแสดงถึงเอนทิตีที่ไม่เกี่ยวเนื่องกัน เช่น บุคคล ผลิตภัณฑ์ ยอดขาย ฯลฯ
- ฟังก์ชันดังกล่าวเหมาะที่จะใช้ในการคาดการณ์ค่าสำหรับนิพจน์เป้าหมายแบบรวมโดยใช้ SUM และ COUNT
- ไม่แนะนำให้ใช้ฟังก์ชันดังกล่าวในการคาดการณ์ค่าสำหรับนิพจน์เป้าหมายแบบรวมโดยใช้ AVG, MEDIAN, MIN, หรือ MAX
- ฟังก์ชันดังกล่าวควรใช้ตัวคาดการณ์ที่อยู่ในระดับของรายละเอียดเดียวกันหรือสูงกว่าการแสดงเป็นภาพ