---
schema_version: "1"
id: a9b60d144d88037fe043620a6f6b9584688b51d4e64979d74c50a578944fd0a4
title: การสร้างแบบจำลองแบบคาดการณ์ด้วยเครื่องหมายที่สร้างขึ้น
collection: tableau
version: current
locale: th-th
portal_url: https://docs.salesforce.com/tableau/current/th-th/pro/desktop/predictions_generated_marks.md
canonical_url: https://help.tableau.com/current/pro/desktop/th-th/predictions_generated_marks.htm
source_site: help.tableau.com
content_type: documentation
content_hash: b3db4ec73d1de9f0c12626fc565fbe5a9f01c01a173564405f3a3860a0886ab9
description: Use predictive modeling with generated marks to predict missing values.
---
[ข้ามไปยังเนื้อหาหลัก](#main-content)

# การสร้างแบบจำลองแบบคาดการณ์ด้วยเครื่องหมายที่สร้างขึ้น

หากใช้ Tableau มาระยะหนึ่ง คุณอาจเคยได้ยินวลี "การเพิ่มความหนาแน่นของข้อมูล” ซึ่งหมายถึงกระบวนการที่ Tableau สร้างเครื่องหมายและเพิ่มลงไปในมุมมอง แม้ว่าระเบียนในแหล่งข้อมูลเบื้องหลังจะไม่สนับสนุนเครื่องหมายเหล่านั้นก็ตาม การดำเนินการนี้อาจทำเพื่อขยายแกนวันที่ หรือหากคุณทำงานอยู่กับ[ฟังก์ชันการสร้างแบบจำลองการคาดการณ์](https://help.tableau.com/current/pro/desktop/th-th/predictions_overview.htm) ก็อาจทำเพื่อแสดงการคาดการณ์

**ดูวิดีโอ:** สำหรับการพูดคุยเชิงลึกเกี่ยวกับการเพิ่มความหนาแน่นให้ข้อมูล โปรดดูการนำเสนอนี้จาก TC19: [สิ่งที่คุณได้ทำกับข้อมูล เจาะลึกข้อมูลการนำเข้าและการเพิ่มความหนาแน่นให้ข้อมูล](https://tc19.tableau.com/learn/sessions/zen-master-you-did-what-your-data-deep-dive-imputing-and-densifying-data)

เรียนรู้เพิ่มเติม: ดูบล็อกโพสต์นี้เกี่ยวกับ[การรับรองข้อมูล](https://www.dataplusscience.com/DataDensification.html)จาก [Data Plus Science](https://www.dataplusscience.com/)

## คำนวณการคาดการณ์ค่าที่หายไป

ตัวอย่างเช่น คุณอาจต้องการเพิ่มการคาดการณ์สำหรับวันที่ในอนาคต ตามค่าเริ่มต้น [ค่าที่หายไป](https://help.tableau.com/current/pro/desktop/th-th/missing_values.htm)ใน Tableau จะไม่แสดงขึ้น แต่คุณสามารถสร้างเครื่องหมายเหล่านี้ได้ดังนี้

1. คลิกขวา (กดปุ่ม Control แล้วคลิกบน Mac) ที่ฟิลด์และส่วนหัวของกล่อง
2. เลือกแสดงค่าที่หายไป
    
    ![เมนูบริบทของฟิลด์ที่เลือกให้แสดงค่าที่หายไป](/tableau/current/th-th/pro/desktop/th-th/Img/predict_densify1.png)

แต่การดำเนินการนี้ยังไม่เพียงพอที่จะให้คุณคาดการณ์เกี่ยวกับเครื่องหมายที่สร้างขึ้นเหล่านั้นได้ หากคุณพยายามทำการคำนวณ (ไม่ว่าจะเป็นการคำนวณการคาดการณ์หรือไม่ก็ตาม) Tableau จะส่งคืน[ค่า null](https://help.tableau.com/current/pro/desktop/th-th/datafields_specialvalues.htm#null-numbers-and-dates-and-negative-values-on-log-axes) การดำเนินการนี้จะเป็นไปตามที่คาดไว้ เนื่องจากเครื่องหมายเหล่านี้อิงตามค่าที่ขาดหายไปซึ่งไม่มีอยู่

หากต้องการคาดการณ์ค่าที่หายไปเหล่านั้น ให้เปิดเมนูการวิเคราะห์ทางด้านบน แล้วเลือกอนุมานพร็อพเพอร์ตี้จากค่าที่หายไป

![เมนูการวิเคราะห์ที่เลือกให้อนุมานพร็อพเพอร์ตี้จากค่าที่หายไป](/tableau/current/th-th/pro/desktop/th-th/Img/predict_densify2.png)

**หมายเหตุ**: การตั้งค่าเริ่มต้นคือปิดอนุมานพร็อพเพอร์ตี้จากค่าที่หายไป แม้ว่าจะเปิดแสดงค่าที่หายไปไว้ก็ตาม ฟิลด์หรือแกนใดๆ ที่สามารถขยายได้โดยใช้แสดงค่าที่หายไป สามารถใช้การตั้งค่านี้ได้

## ตัวอย่างการคาดการณ์เกี่ยวกับเครื่องหมายที่สร้างขึ้น

เรามาเรียนรู้เกี่ยวกับกับการดำเนินการนี้กันต่อ เราจะเปรียบเทียบภาพประกอบ 3 ภาพที่แตกต่างกันซึ่งแสดงให้เห็นว่าการตั้งค่าแสดงค่าที่ขาดหายไปและอนุมานพร็อพเพอร์ตี้จากค่าที่หายไปนั้น สามารถส่งผลต่อการแสดงเป็นภาพของคุณอย่างไร ทั้งนี้ขึ้นอยู่กับว่ามีการเปิดหรือปิดการตั้งค่าอย่างใดอย่างหนึ่งหรือทั้งสองอย่าง หากต้องการเรียนรู้ ให้ดาวน์โหลดเวิร์กบุ๊กต่อไปนี้จาก Tableau Public: [การคาดการณ์ค่าที่หายไป](https://public.tableau.com/profile/tableau.docs.team#!/vizhome/PredictionsonMissingValues/ShowMissingValuesONInferProperitesfromMissingValuesON)

เราได้รวมการคาดการณ์โดยใช้ ATTR(DAY(\[วันที่สั่งซื้อ\])) เป็นตัวคาดการณ์ ซึ่งถึงแม้จะไม่ใช่ตัวคาดการณ์ที่ดีที่สุดสำหรับข้อมูล (และให้ผลการคาดการณ์ที่ไม่เพียงพอก็ตาม) แต่สำหรับวัตถุประสงค์ของบทความนี้กลับเป็นภาพประกอบที่ดีของอนุมานพร็อพเพอร์ตี้จากค่าที่หายไป

แต่ละการแสดงเป็นภาพจะรวมถึงการวัดผลที่เหมือนกัน 4 รายการบนแผงแถวดังที่อธิบายไว้ด้านล่าง

- แถวที่ 1: `SUM([Profit])`
- แถวที่ 2: `RUNNING_SUM(SUM([Profit]))`
- แถวที่ 3: `ATTR(DAY([Order Date]))`
- แถวที่ 4: `MODEL_QUANTILE(0.5, SUM([Profit]),ATTR(DAY([Order Date])))`

### ภาพประกอบ 1

![ภาพประกอบ 1](/tableau/current/th-th/pro/desktop/th-th/Img/predict-infer1.png)

ในภาพด้านบน ทั้งแสดงค่าที่หายไปและอนุมานพร็อเพอร์ตี้จากค่าที่หายไปปิดใช้งานอยู่ ซึ่งเป็นการตั้งค่าเริ่มต้นใน Tableau

คุณจะเห็นการแสดงเป็นภาพเช่นเดียวกันนี้หากเปิดอนุมานพร็อพเพอร์ตี้จากค่าที่หายไป และปิดแสดงค่าที่หายไป ทั้งนี้เป็นเพราะอนุมานพร็อพเพอร์ตี้จากค่าที่หายไปจะขึ้นอยู่กับการเปิดแสดงค่าที่หายไป

### ภาพประกอบ 2

![ภาพประกอบ 2](/tableau/current/th-th/pro/desktop/th-th/Img/predict-infer2.png)

ในภาพด้านบน แสดงค่าที่หายไปเปิดอยู่และอนุมานพร็อเพอร์ตี้จากค่าที่หายไปปิดอยู่ การตั้งค่าเริ่มต้นคืออนุมานพร็อพเพอร์ตี้จากค่าที่หายไปจะปิดอยู่ แม้ว่าแสดงค่าที่หายไปจะเปิดอยู่ก็ตาม

โปรดทราบว่าในสถานการณ์นี้ เราจะไม่คำนวณค่า ATTR ใน DAY(\[วันที่สั่งซื้อ\]) สำหรับค่าที่หายไป (แถว 3) เราสร้างการคาดการณ์สำหรับวันที่มีข้อมูลหนาแน่นได้ แต่เนื่องจากเราไม่สามารถสรุป ATTR(DAY(\[วันที่สั่งซื้อ\])) จริงตามที่แสดงในแถวที่ 3 ได้ จึงเหมือนกันสำหรับวันที่ขาดหายไปทั้งหมด เครื่องหมายเหล่านั้นจะถูกคำนวณอย่างมีประสิทธิภาพราวกับว่า DAY(\[วันที่สั่งซื้อ\]) เป็นค่า Null

### ภาพประกอบ 3

![ภาพประกอบ 3](/tableau/current/th-th/pro/desktop/th-th/Img/predict-infer3.png)

ในภาพนี้ ทั้งแสดงค่าที่หายไปและอนุมานพร็อเพอร์ตี้จากค่าที่หายไปเปิดใช้งานอยู่ ซึ่งแสดงให้เห็นการทำงานของการตั้งค่าอนุมานพร็อเพอร์ตี้จากค่าที่หายไป

อย่างที่คุณเห็น เนื่องจากเราสามารถอนุมาน ATTR(DAY(\[วันที่สั่งซื้อ\])) (แถว 3) ได้ เราจึงสามารถใช้คาดการณ์ในแถวที่ 4 ได้ ส่งผลให้การคาดการณ์มีเส้นโค้งแบบปรับเรียบ