---
schema_version: "1"
id: 1c2ad12d5a895077747abad13420aa83e0eb369adb917cbb6298c746f7eb933e
title: การแก้ไขข้อผิดพลาดในฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์
collection: tableau
version: current
locale: th-th
portal_url: https://docs.salesforce.com/tableau/current/th-th/pro/desktop/predictions_resolve_errors.md
canonical_url: https://help.tableau.com/current/pro/desktop/th-th/predictions_resolve_errors.htm
source_site: help.tableau.com
content_type: documentation
content_hash: d1b930add7555a6b022154d263b7624bae7ca4545d5ddc449bd8e8845f98fec3
description: Resolve errors in predictive modeling functions, including Gaussian process errors.
---
[ข้ามไปยังเนื้อหาหลัก](#main-content)

# การแก้ไขข้อผิดพลาดในฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์

เมื่อใช้ [ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์](https://help.tableau.com/current/pro/desktop/th-th/predictions_overview.htm) ใน Tableau คุณอาจพบกับข้อผิดพลาดเมื่อเพิ่มการคำนวณไปยังการแสดงเป็นภาพ ซึ่งสิ่งนี้เกิดขึ้นจากการผสมผสานตัวคาดการณ์และองค์ประกอบการแสดงเป็นภาพที่นำไปสู่การคำนวณเชิงคณิตศาสตร์ที่ไม่ถูกต้อง

โดยทั่วไปแล้ว สิ่งแรกที่ควรลองคือการตรวจสอบมิติข้อมูล [คำนวณโดยใช้](https://help.tableau.com/current/pro/desktop/th-th/calculations_tablecalculations.htm#the-basics-addressing-and-partitioning) อีกครั้ง ต่อไป ให้ตรวจสอบว่าไม่มีข้อมูลที่ไม่สอดคล้องกันจากระดับของรายละเอียดที่ระบุในตัวคาดการณ์ของคุณ และระดับของรายละเอียดในมุมมอง และตรวจสอบว่าตัวคาดการณ์ของคุณให้ข้อมูลที่เกี่ยวข้องกับแบบจำลองตามการแสดงเป็นภาพปัจจุบัน

ในบทความนี้ เราจะอธิบายปัญหาทั่วไปหลายประการอย่างละเอียด และวิธีที่คุณสามารถแก้ไขปัญหาดังกล่าว

ข้อผิดพลาดเกี่ยวกับฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์มักเกิดขึ้นจากปัญหาอย่างน้อยหนึ่งประการต่อไปนี้ โดยขึ้นอยู่กับแบบจำลองที่ใช้

### ข้อผิดพลาดทั่วไป

- [มิติข้อมูล "คำนวณโดยใช้" ที่ไม่ถูกต้อง](#Invalid_Compute_Using_dimension)
- [ตัวคาดการณ์มิติข้อมูลขัดแย้งกับระดับของรายละเอียดที่แสดงเป็นภาพ](#Dimension_predictors_conflict_with_LOD)
- [ตัวคาดการณ์หลายรายการขัดแย้งซึ่งกันและกัน](#Multiple_predictors_conflict_with_each_other)
- [มีข้อมูลไม่เพียงพอต่อการสร้างแบบจำลอง](#There's_not_enough_data_to_build_a_model)
- [ไม่สามารถสร้างแบบจำลองที่เสร็จสมบูรณ์จากข้อมูลที่ให้ไว้](#A_successful_model_couldn't_be_constructed)

### ข้อผิดพลาดจากการถดถอยของกระบวนการเกาส์เซียน

- [การถดถอยของกระบวนการเกาส์เซียนกำหนดให้ใช้มิติข้อมูลที่มีลำดับเดียว](#GP_one_ordered_dimension)
- [การถดถอยของกระบวนการเกาส์เซียนรองรับเฉพาะมิติข้อมูลที่เป็นตัวคาดการณ์เท่านั้น](#GP_only_dimensions)
- [ไม่มีข้อมูลการฝึกอบรมสำหรับเป้าหมายการคาดการณ์อย่างน้อยหนึ่งเป้าหมาย](#GP_no_training_data)
- [มีเครื่องหมายมากกว่า 5,000 รายการ](#GP_too_many_marks)

#### มิติข้อมูล "คำนวณโดยใช้" ที่ไม่ถูกต้อง

ขณะแสดงฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์เป็นภาพ จะต้องมีการระบุมิติข้อมูล "คำนวณโดยใช้" ขอแนะนำให้คุณเลือกมิติข้อมูลที่เฉพาะเจาะจง (เช่น **ภูมิภาค** หรือ **หมวดหมู่**) แทนมิติข้อมูลเชิงทิศทาง (เช่น **ตารางตรงข้ามแล้วลง** หรือ **แผงตรงข้าม**)

เนื่องจากคุณอาจรวมฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์หลายรายการในการแสดงเป็นภาพหรือแดชบอร์ด การเลือกมิติข้อมูลการแบ่งขอบเขตที่เฉพาะเจาะจงจะช่วยให้แน่ใจว่าคุณกำลังสร้างแบบจำลองด้วยเซตข้อมูลเบื้องหลังเดียวกันสำหรับแต่ละฟังก์ชัน หรืออีกนัยหนึ่งคือ การเปรียบเทียบผลลัพธ์จากแบบจำลองที่เหมือนกัน

หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับการกำหนดทิศทางและการแบ่งขอบเขต โปรดดู [เปลี่ยนค่าต่างๆ ด้วยการคำนวณตาราง](https://help.tableau.com/current/pro/desktop/th-th/calculations_tablecalculations.htm)

เมื่อทำงานร่วมกับฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ต่างๆ คุณจะต้องดำรงความสอดคล้องกันทั่วทั้งการสร้างอินสแตนซ์ที่ต่างกัน ทั้งในการวนซ้ำต่างๆ ของแบบจำลองของคุณ (เช่น เมื่อคุณเลือกตัวคาดการณ์ที่ต่างกัน) และในการแสดงเป็นภาพที่ต่างกัน การใช้มิติข้อมูล "คำนวณโดยใช้" เชิงทิศทางจะเปิดโอกาสให้การเปลี่ยนแปลงเพียงเล็กน้อยในข้อมูลที่แสดงเป็นภาพของคุณส่งผลกระทบอย่างเห็นได้ชัดต่อข้อมูลที่นำมาใช้เพื่อสร้างแบบจำลอง และจึงส่งผลต่อความถูกต้องและความสอดคล้องกันทั่วทั้งการแสดงเป็นภาพรายการต่างๆ

คุณอาจมองเห็น [ค่า null](https://help.tableau.com/current/pro/desktop/th-th/datafields_specialvalues.htm#null-numbers-and-dates-and-negative-values-on-log-axes) หากไม่มีการระบุมิติข้อมูล "คำนวณโดยใช้" หรือหากมีการเลือกมิติข้อมูล "คำนวณโดยใช้" ที่ไม่ถูกต้อง

มิติข้อมูล "คำนวณโดยใช้" ที่ไม่ถูกต้องประกอบไปด้วยสิ่งต่อไปนี้:

- เซลล์: มิติข้อมูลนี้จะส่งผลให้มีการใช้จุดข้อมูลเดียวเพื่อสร้างแบบจำลองเสมอ และจะไม่สำเร็จ
- มิติข้อมูลที่ซ้อนกันในระดับสูงกว่า (ตัวอย่างเช่น หากภูมิภาค และ รัฐ มีการนำไปแสดงเป็นภาพทั้งคู่บนแกน โดยที่มีการสร้างเครื่องหมายสำหรับ รัฐ แต่จัดกลุ่มตาม ภูมิภาค) หากมีการเลือก ภูมิภาค เป็นมิติข้อมูลในการแบ่งขอบเขต ระบบจะคืนค่า null เนื่องจากไม่มีการทำเครื่องหมายอย่างเป็นทางการสำหรับ ภูมิภาค ในมุมมองนี้

![การแสดงเป็นภาพที่มีมิติข้อมูล "คำนวณโดยใช้" เป็น "รัฐ" และ "หมวดหมู่"](/tableau/current/th-th/pro/desktop/th-th/Img/predict-error1.png)

_ในการแสดงเป็นภาพข้างต้น มิติข้อมูล "คำนวณโดยใช้" ที่ถูกต้องได้แก่ **รัฐ** และ **หมวดหมู่** การแบ่งขอบเขตข้อมูลตาม **รัฐ** หรือตาม **หมวดหมู่** ให้ผลลัพธ์เครื่องหมายที่ถูกต้องหลายรายการที่สามารถนำไปสร้างแบบจำลองได้_

_**ภูมิภาค** แม้จะระบุว่าเป็นตัวเลือก "คำนวณโดยใช้" แต่ไม่ได้สร้างเครื่องหมายใดในระดับของรายละเอียดในมุมมองนี้ และจึงไม่สามารถใช้ในการแบ่งขอบเขตข้อมูลได้_

หากต้องการข้อมูลเพิ่มเติม โปรดดู [“คำนวณโดยใช้” และ “การแบ่งพาร์ติชันข้อมูล” ใน “แบบจำลองแบบคาดการณ์”](https://help.tableau.com/current/pro/desktop/th-th/predictions_compute_using.htm)

#### ตัวคาดการณ์มิติข้อมูลขัดแย้งกับระดับของรายละเอียดที่แสดงเป็นภาพ

ตัวคาดการณ์มิติข้อมูลต้องอยู่ในระดับของรายละเอียดเดียวกันกับที่มีการแสดงเป็นภาพหรือ _สูงกว่า_ กล่าวคือ หากคุณแสดงข้อมูลเป็นภาพตาม **รัฐ** คุณสามารถใช้ **รัฐ**, **ภูมิภาค** หรือ **ประเทศ** เป็นตัวคาดการณ์ได้ แต่การใช้ เมือง เป็นตัวคาดการณ์จะทำให้เกิดข้อผิดพลาด เนื่องจากมีเมืองหลายเมืองอยู่ภายในรัฐ ตัวคาดการณ์นี้จะแก้ไขเป็น \* สำหรับทุกเครื่องหมายและจะไม่ส่งคืนข้อมูลที่มีความหมาย และจึงทำให้ Tableau เพิกเฉย

ตัวคาดการณ์มิติข้อมูลแต่ละรายการจะต้องรวม [ฟังก์ชัน ATTR](https://kb.tableau.com/articles/howto/when-to-use-the-attribute-attr-function?lang=th-th) ด้วย ตัวอย่างเช่น:

`MODEL_PERCENTILE(SUM([Sales]), ATTR([State]), ATTR([Category])`

#### ตัวคาดการณ์หลายรายการขัดแย้งซึ่งกันและกัน

ตัวคาดการณ์แต่ละรายการที่ใช้ภายในฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์จะต้องให้ข้อมูลที่เป็นอิสระไปยังการคำนวณ หากตัวคาดการณ์สองรายการที่เลือกมีค่าเท่ากันทุกประการ เป็นเวอร์ชันที่ปรับขนาด หรือเป็นการแปลงย้อนกลับซึ่งกันและกัน ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์จะส่งคืนข้อผิดพลาดเมื่อแสดงเป็นภาพ

ตัวอย่างเช่น เซตข้อมูลที่ติดตามสภาพอากาศเมื่อเวลาผ่านไปอาจมีสองฟิลด์: **IsRain** และ **IsClear** ทั้งสองฟิลด์คือค่าแปลงย้อนกลับซึ่งกันและกัน นั่นก็คือ **IsClear** = True เมื่อ **IsRain** = False และเช่นเดียวกันในทางกลับกัน การรวมทั้ง **IsClear** และ **IsRain** เป็นตัวคาดการณ์ในฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์เดียวจะส่งคืนข้อผิดพลาด

โดยกรณีข้างต้นจะเป็นจริงสำหรับทั้งการวัดผลและมิติข้อมูลในฐานะตัวคาดการณ์

ในทั้งสองกรณี ข้อผิดพลาดนี้จะแก้ไขได้ด้วยการแก้ไขตัวคาดการณ์ของคุณเพื่อนำตัวคาดการณ์ที่มีความสัมพันธ์กันสูงออก หากต้องการข้อมูลเพิ่มเติม โปรดดู [การเลือกตัวคาดการณ์](https://help.tableau.com/current/pro/desktop/th-th/predictions_choosing_predictors.htm)

#### มีข้อมูลไม่เพียงพอต่อการสร้างแบบจำลอง

ต้องมีเครื่องหมายอย่างน้อยสามรายการภายในการแบ่งขอบเขตเพื่ออนุญาตให้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์สร้างแบบจำลองและสร้างการคาดการณ์ หากมีเครื่องหมายสองรายการหรือน้อยกว่าในเซตข้อมูลที่นิยามโดยข้อมูลที่ดูและมิติข้อมูล "คำนวณโดยใช้" ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์จะส่งคืนผลลัพธ์ที่เป็น null

วิธีแก้ไขปัญหานี้ ให้แก้ไขระดับของรายละเอียดของคุณ พารามิเตอร์กรองข้อมูลของคุณ หรือมิติข้อมูล "คำนวณโดยใช้" ของคุณเพื่อให้การแบ่งขอบเขตแต่ละรายการมีเครื่องหมายมากกว่าสองรายการ

#### ไม่สามารถสร้างแบบจำลองที่เสร็จสมบูรณ์จากข้อมูลที่ให้ไว้

ข้อผิดพลาดนี้จะปรากฏหากมีความขัดแย้งกันระหว่างตัวคาดการณ์ที่เลือก ระดับของรายละเอียดที่แสดงเป็นภาพ และ/หรือมิติข้อมูล "คำนวณโดยใช้" จนกระทั่งเป็นไปไม่ได้ที่จะใช้ตัวคาดการณ์เพื่อสร้างแบบจำลอง

ตัวอย่างเช่น ลองมาดูการคำนวณ MODEL\_QUANTILE นี้:

`MODEL_QUANTILE(0.5, MEDIAN([Profit]), ATTR(MONTH([Order Date])))`

การนำการคำนวณนี้ไปใช้กับการแสดงเป็นภาพ โดยที่แต่ละเครื่องหมายแทนที่ค่า **รัฐ** จะส่งคืนข้อผิดพลาดด้านล่างนี้:

![ข้อความแสดงข้อผิดพลาด](/tableau/current/th-th/pro/desktop/th-th/Img/predict-error5.png)

เนื่องจากไม่ได้มีการใช้ **วันที่สั่งซื้อ** เพื่อแสดงข้อมูลเป็นภาพหรือแบ่งเซกเมนต์ข้อมูล ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์จะไม่สามารถใช้ตัวคาดการณ์ที่ระบุเพื่อสร้างแบบจำลองได้

วิธีการแก้ไข:

- อัปเดตการแสดงเป็นภาพของคุณให้รวมตัวคาดการณ์เป็นมิติข้อมูล
- อัปเดตฟังก์ชันของคุณให้นำตัวคาดการณ์ที่ไม่เกี่ยวข้องออก

ทั้งนี้ควรตระหนักว่าข้อผิดพลาดนี้บ่งบอกถึงความไม่สอดคล้องกันระหว่างการแสดงเป็นภาพและตัวคาดการณ์ที่เฉพาะเจาะจงของการคำนวณตาราง การคำนวณเดียวกันนี้อาจทำงานได้โดยไม่มีปัญหาหากนำไปใช้กับการแสดงเป็นภาพที่รวม **วันที่สั่งซื้อ** เป็นมิติข้อมูล

#### การถดถอยของกระบวนการเกาส์เซียนกำหนดให้ใช้มิติข้อมูลที่มีลำดับเดียว

คุณจะต้องรวมมิติข้อมูลที่มีลำดับเดียวเป็นตัวคาดการณ์ หากต้องการใช้การถดถอยของกระบวนการเกาส์เซียน คุณสามารถรวมมิติข้อมูลที่ _ไม่มีลำดับ_ เป็นตัวคาดการณ์เพิ่มเติมได้ การวัดผลไม่สามารถนำมาใช้เป็นตัวคาดการณ์ได้กับการถดถอยของกระบวนการเกาส์เซียน

หากคุณพบข้อผิดพลาดนี้ ให้เพิ่มตัวคาดการณ์มิติข้อมูลที่เรียงลำดับไปยังการคำนวณตารางของคุณ ให้นำตัวคาดการณ์มิติข้อมูลที่เรียงลำดับที่เป็นส่วนเกินออก หรือระบุว่าให้ใช้หนึ่งในมิติข้อมูลที่เรียงลำดับเป็นมิติข้อมูลที่ไม่เรียงลำดับ

เนื่องจากการถดถอยของกระบวนการเกาส์เซียนเหมาะสมสำหรับการใช้งานกับข้อมูลอนุกรมเวลามากที่สุด การทำเช่นนี้มักใช้ตัวคาดการณ์ในรูปแบบที่อิงตามเวลา เช่น ATTR(DATETRUNC('month',\[Order Date\])) สามารถนำ [date\_part](https://help.tableau.com/current/pro/desktop/th-th/functions_functions_date.htm#datepart-values) ใดๆ มาใช้ในนิพจน์ DATETRUNC ก็ได้ แต่ date\_part จะต้องอยู่ในระดับเดียวกันหรือสูงกว่าการแสดงเป็นภาพ หากการแสดงเป็นภาพใช้ WEEK(\[Order Date\]) เป็นระดับการรวมข้อมูล หากเป็นเช่นนั้น date\_part ต้องเป็น 'week','month','quarter' ฯลฯ โดยที่ไม่สามารถเป็น 'dayofyear', 'day', 'weekday', 'hour' ฯลฯ

โปรดทราบว่าเนื่องจาก ATTR(MONTH(\[Date\])) ส่งคืนค่าสตริง จึงทำให้ไม่ทำงานในฐานะตัวคาดการณ์มิติข้อมูลที่เรียงลำดับ เว้นแต่จะมีการระบุด้วยตนเอง คุณทำเช่นนี้ได้ด้วยการระบุ **"ordered"** ต่อหลังตัวคาดการณ์ทันที ดังเช่นด้านล่างนี้:

`MODEL_PERCENTILE(   "model=gp",   SUM([Sales]),   "ordered",ATTR(MONTH([Order Date]))   )`

หากคุณต้องการรวมมิติข้อมูลเวลาหลายรายการในตัวคาดการณ์ คุณจะต้องระบุว่ารายการใดที่คุณต้องการใช้เป็นมิติข้อมูลที่ไม่เรียงลำดับ คุณทำเช่นนี้ได้ด้วยการรวม **"unordered"** โดยตรงก่อนมิติข้อมูลนั้นๆ ดังเช่นด้านล่างนี้:

`MODEL_PERCENTILE(   "model=gp",   SUM([Sales]),   ATTR(DATETRUNC('month',[Order Date]))   "unordered",ATTR(DATETRUNC('year',[Order Date]))   )`

การพยายามใช้การคำนวณข้างต้นโดยไม่ระบุ **"unordered"** ด้านหน้า ATTR(DATETRUNC('year',\[Order Date\]) จะส่งคืนข้อผิดพลาด

นอกจากนี้ การกำหนดทิศทาง (หรือ "คำนวณโดยใช้") สำหรับการถดถอยของกระบวนการเกาส์เซียนจะต้องกำหนดไปยังฟิลด์เดียวกันกับตัวคาดการณ์มิติข้อมูลที่เรียงลำดับ

โดยจะสามารถเลือกการกำหนดทิศทาง (หรือ "คำนวณโดยใช้") ได้เพียงรายการเดียวสำหรับทุกแบบจำลอง

#### การถดถอยของกระบวนการเกาส์เซียนรองรับเฉพาะมิติข้อมูลที่เป็นตัวคาดการณ์เท่านั้น

คุณไม่สามารถใช้การวัดผลใดๆ เป็นตัวคาดการณ์ได้กับการถดถอยของกระบวนการเกาส์เซียน นำตัวคาดการณ์ที่เป็นการวัดผลออก

ข้อจำกัดนี้มีผลเฉพาะกับฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ที่ระบุการถดถอยของกระบวนการเกาส์เซียน ฟังก์ชันการถดถอยเชิงเส้น (หรือค่าเริ่มต้นที่เป็น OLS) และฟังก์ชันการถดถอยเชิงเส้นแบบปกติล้วนรองรับการวัดผลเป็นตัวคาดการณ์

#### ไม่มีข้อมูลการฝึกอบรมสำหรับเป้าหมายการคาดการณ์อย่างน้อยหนึ่งเป้าหมาย

การถดถอยของกระบวนการเกาส์เซียนกำหนดให้การแบ่งขอบเขตข้อมูลแต่ละรายการมีจุดข้อมูลอย่างน้อย _n_ จุดเพื่อสร้างแบบจำลองแบบคาดการณ์และส่งคืนการคาดการณ์ หากคุณพบข้อผิดพลาดนี้ ให้แก้ไขการคาดการณ์ของคุณ

#### มีเครื่องหมายมากกว่า 5,000 รายการ

การถดถอยของกระบวนการเกาส์เซียนรองรับเฉพาะในการแสดงเป็นภาพที่มีเครื่องหมายน้อยกว่า 5,000 รายการ วิธีแก้ไขปัญหานี้ ให้อัปเดตระดับของรายละเอียดของคุณเพื่อลดจำนวนเครื่องหมาย หรือเลือกแบบจำลองทางสถิติอื่น