--- schema_version: "1" id: 1e7ea602e9be38d64d637b47461c5cc5e2bf202d50f365644e04d8b0aee6074f title: 예측 모델링 함수 collection: tableau version: next locale: ko-kr portal_url: https://docs.salesforce.com/tableau/next/ko-kr/public/desktop/functions_functions_predictivemodeling.md canonical_url: https://help.tableau.com/v0.0/public/desktop/ko-kr/functions_functions_predictivemodeling.htm source_site: help.tableau.com content_type: documentation content_hash: 5e16e6715f5316eba4d810292a437f3a0f565ac8fd3af0b96acaac7934036b74 description: Reference for predictive modeling functions MODEL_PERCENTILE and MODEL_QUANTILE. --- [주요 콘텐츠로 건너뛰기](#main-content) # 예측 모델링 함수 이 문서에서는 Tableau의 예측 모델링 함수와 관련 사용법을 소개합니다. 또한 예측 모델링 함수를 사용하여 테이블 계산을 만드는 방법을 예제와 함께 보여줍니다. ## 예측 모델링 함수를 사용하는 이유 예측 모델링 함수를 사용하면 [테이블 계산](https://help.tableau.com/current/pro/desktop/ko-kr/calculations_tablecalculations.htm)을 통해 데이터와 마찬가지로 조작하고, 시각화하고, 내보낼 수 있는 예측을 빠르게 만들 수 있습니다. 이전에는 고급 통계 계산을 수행하고 그 결과를 Tableau에서 시각화하려면 Tableau를 R 및 Python과 통합해야 했습니다. 이제 변수를 업데이트하고 다양한 예측자 조합으로 여러 모델을 시각화하는 방식으로 대상과 예측자를 선택할 수 있습니다. 데이터는 모든 세부 수준에서 필터링, 집계 및 변환될 수 있으며 입력 및 예측은 뷰의 데이터와 일치하도록 자동으로 다시 계산됩니다. Tableau의 예측 모델링 함수에 대한 자세한 내용은 [Tableau에서 예측 모델링 함수가 작동하는 방식](https://help.tableau.com/v0.0/public/desktop/ko-kr/predictions_overview.htm)을 참조하십시오. ## Tableau에서 사용할 수 있는 예측 모델링 함수 ### MODEL\_PERCENTILE
구문MODEL_PERCENTILE(
model_specification (optional),
target_expression,
predictor_expression(s))
정의대상 식 및 기타 예측자에 의해 정의된 대로 예상 값이 관찰된 마크보다 작거나 같을 확률(0과 1 사이)을 반환합니다. 이것은 누적 분포 함수(CDF)라고도 하는 사후 예측 분포 함수입니다.
예
MODEL_PERCENTILE( SUM([Sales]),COUNT([Orders]))
### MODEL\_QUANTILE
구문MODEL_QUANTILE(
model_specification (optional),
quantile,
target_expression,
predictor_expression(s))
정의지정된 사분위수에서 대상 식 및 기타 예측자에 의해 정의되는 확률 범위 내에서 대상 숫자 값을 반환합니다. 이것은 사후 예측 사분위수입니다.
예
MODEL_QUANTILE(0.5, SUM([Sales]), COUNT([Orders]))
## 예측 계산 만들기 MODEL\_QUANTILE 함수를 사용하여 간단한 예측 계산을 만드는 방법을 알아보려면 아래 단계를 수행하십시오. 자세한 예는 [예 - 예측 모델링 함수로 여성의 기대 수명 탐색](https://help.tableau.com/v0.0/public/desktop/ko-kr/predictions_example.htm)을 참조하십시오. ### 1단계: 비주얼리제이션 만들기 1. Tableau Desktop에서 Tableau와 함께 제공된 **샘플 – 슈퍼스토어**라는 저장된 데이터 원본에 연결합니다. 2. 워크시트로 이동합니다. 3. **데이터** 패널에서 Order Date(주문 날짜) 차원을 열 선반으로 끌어옵니다. 4. 측정값의 상황에 맞는 메뉴를 열어 목록 수준을 월 및 연도로 변경합니다. ![다양한 날짜 형식 옵션을 표시하는 드롭다운 메뉴입니다.](/tableau/next/ko-kr/public/desktop/ko-kr/Img/predict-pill-list-level.png) 5. Sales(매출)를 행 선반으로 끌어옵니다. ### 2단계: 계산된 필드 만들기 1. 클릭하여 상단의 분석 메뉴를 연 다음 계산된 필드 만들기를 선택합니다. 2. 계산 에디터에서 다음 작업을 수행합니다. - 계산의 이름을 **Predict Median Sales**로 지정합니다. - 다음 수식을 입력합니다. MODEL\_QUANTILE(0.5, SUM(\[Sales\]),ATTR(DATETRUNC('month', \[Order Date\]))) MODEL\_QUANTILE 함수는 지정된 사분위수를 가져와 입력한 예측자를 기반으로 값을 예측한다는 것을 기억하십시오. 이제 분석해 보겠습니다. - 이 경우 quantile = 0.5이므로 중앙값을 예측합니다. - 매출을 예측하려고 하므로 대상 식은 SUM(\[Sales\])입니다. - 과거 성과를 예측의 기준으로 사용하려고 하므로 계산의 마지막 인수인 날짜를 예측자로 포함합니다. 4. 작업을 마쳤으면 확인을 클릭합니다. 이제 예측 계산이 데이터 패널에서 계산된 필드로 추가됩니다. ### 3단계: 뷰에 예측 계산 추가 1. 예측 계산을 SUM(Sales) 오른쪽에 있는 행 선반으로 끌어옵니다. 2. 측정값을 마우스 오른쪽 단추로 클릭(Mac의 경우 Control 클릭)하고 이중 축을 선택합니다. 3. 이중 축 차트에서 두 축을 정렬하여 동일한 배율을 사용하게 하려면 보조 축(이 경우 Predict Median Sales)을 마우스 오른쪽 단추로 클릭(Mac의 경우 Control 클릭)하고 축 동기화를 선택합니다. 이렇게 하면 두 축의 배율이 정렬됩니다. ![2017년부터 2021년까지 예상 매출 중앙값과 실제 매출을 비교하는 라인 차트입니다.](/tableau/next/ko-kr/public/desktop/ko-kr/Img/viz-with-prediction.png) 이것이 전부입니다. 날짜 축을 확장하고 미래를 예측하는 방법을 알아보려면 [시계열 비주얼리제이션의 예측 모델링 함수](https://help.tableau.com/v0.0/public/desktop/ko-kr/predictions_future.htm)을 참조하십시오. ## 예측 계산의 규칙 - 집계 인수와 비집계 인수를 혼합해서 사용할 수 없습니다. 대상 식이 집계이면 예측자도 마찬가지입니다. - 이 함수는 각 마크가 개인, 제품, 매출 등과 같은 불연속형 엔터티를 나타내는 비주얼리제이션에서 개별 레코드의 값을 예측할 때 많이 사용됩니다. - 이 함수는 SUM 및 COUNT를 사용하여 집계된 대상 식의 값을 예측할 때 많이 사용됩니다. - 이 함수는 AVG, MEDIAN, MIN 또는 MAX를 사용하여 집계된 대상 식의 값을 예측하는 데 권장되지 않습니다. - 이 함수에서는 세부 수준이 비주얼리제이션과 같거나 보다 높은 예측자를 사용해야 합니다.