---
schema_version: "1"
id: cd83911fcba284e15994e8ea0df15ea046b2de971c0aeb3e725ed8144cc78e0e
title: 预测建模函数
collection: tableau
version: next
locale: zh-cn
portal_url: https://docs.salesforce.com/tableau/next/zh-cn/public/desktop/functions_functions_predictivemodeling.md
canonical_url: https://help.tableau.com/v0.0/public/desktop/zh-cn/functions_functions_predictivemodeling.htm
source_site: help.tableau.com
content_type: documentation
content_hash: 3e93cd7fd536df13db17ae165288c237f101fc3e59c1c23a57df6f1a80919be6
description: Reference for predictive modeling functions MODEL_PERCENTILE and MODEL_QUANTILE.
---
[跳转到主要内容](#main-content)

# 预测建模函数

本文介绍 Tableau 中的预测建模函数及其用法。它还用一个示例演示了如何使用预测建模函数创建表计算。

## 为何使用预测建模函数

预测建模函数可以帮助您快速生成可以使用[表计算](https://help.tableau.com/current/pro/desktop/zh-cn/calculations_tablecalculations.htm)像数据一样操作、可视化和导出的预测。

以前，您可能必须将 Tableau 与 R 和 Python 集成，才能执行高级统计计算并在 Tableau 中对它们进行可视化。现在，您可以通过更新变量和对具有不同预测因子组合的多个模型进行可视化，从而选择目标和预测因子。可以在所有详细级别对数据进行筛选、聚合和转换，并自动重新计算输入和预测以匹配视图中的数据。

有关 Tableau 中预测建模函数的详细信息，请参见[预测建模函数在 Tableau 中的工作方式](https://help.tableau.com/v0.0/public/desktop/zh-cn/predictions_overview.htm)

## Tableau 中可用的预测建模函数

### MODEL\_PERCENTILE

<table class="table--plain" style="width: 100%;"><colgroup><col style="width: 20%;"><col></colgroup><tbody><tr><td>语法</td><td><code>MODEL_PERCENTILE(
							<br>model_specification (optional),
							<br>target_expression,
						<br>predictor_expression(s))</code></td></tr><tr><td>定义</td><td>返回期望值小于或等于观察标记的概率（介于 0 和 1 之间），由目标表达式和其他预测因子定义。这是后验预测分布函数，也称为累积分布函数 (CDF)。</td></tr><tr><td>示例</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>语法</td><td><code>MODEL_QUANTILE(
						<br>model_specification (optional), 
						<br>quantile, 
					    <br>target_expression,
						<br>predictor_expression(s))</code></td></tr><tr><td>定义</td><td>以指定的分位数返回由目标表达式和其他预测因子定义的可能范围内的目标数值。这是后验预测分位数。</td></tr><tr><td>示例</td><td><pre>MODEL_QUANTILE(0.5, SUM([Sales]), COUNT([Orders]))</pre></td></tr></tbody></table>

## 创建预测计算

请按照以下步骤学习如何使用 MODEL\_QUANTILE 函数创建简单的预测计算。有关更详细的示例，请参见[示例 - 使用预测建模函数探索女性预期寿命](https://help.tableau.com/v0.0/public/desktop/zh-cn/predictions_example.htm)

### 步骤 1：创建可视化项

1. 在 Tableau Desktop 中，连接到 Tableau 附带的**示例 - 超市**已保存数据源。
2. 导航到工作表。
3. 从**“数据”**窗格中，将“Order Date”（订单日期）维度拖到“列”功能区。
4. 打开度量的上下文菜单，将其列表级别更改为“月”和“年”：
    
    ![显示各种日期格式选项的下拉菜单。](/tableau/next/zh-cn/public/desktop/zh-cn/Img/predict-pill-list-level.png)
5. 将“Sales”（销售额）拖到“行”功能区。

### 步骤 2：创建计算字段

1. 单击以打开顶部的“分析”菜单，然后选择“创建计算字段”。
2. 在计算编辑器中，执行以下操作：

- 为计算命名：**Predict Median Sales**（预测销售额中位数）。
- 输入以下公式：
    
    MODEL\_QUANTILE(0.5, SUM(\[Sales\]),ATTR(DATETRUNC('month', \[Order Date\])))
    
    请记住：MODEL\_QUANTILE 函数采用给定的分位数，并基于您输入的预测因子预测值。
    
    让我们分解一下：
    
    - 在本例中，分位数 = 0.5，用于预测中位数。
    - 我们要预测销售额，所以目标表达式是为 SUM(\[Sales\])。
    - 我们希望根据过去的业绩进行预测，因此我们将日期作为预测因子，这是计算中的最后一个参数。

4. 完成后，单击“确定”。

预测计算现在作为计算字段添加到“数据”窗格中。

### 步骤 3：向视图中添加预测计算

1. 将预测计算拖到“行”功能区“SUM(Sales)”的右侧。
2. 右键单击（在 Mac 上按住 Control 单击）度量，并选择“双轴”。
3. 为了使双轴图且中的两个轴对齐以使用相同的刻度，请右键单击（在 Mac 上按住 Control 单击）辅助轴（本例中为“Predict Median Sales”（预测销售额中位数）），并选择“同步轴”。此操作会将两个轴的刻度对齐。

![一个折线图，比较 2017 年至 2021 年的预计中位销售额与实际销售额。](/tableau/next/zh-cn/public/desktop/zh-cn/Img/viz-with-prediction.png)

就是这样。若要了解如何扩展日期轴并预测未来，请参见[时间系列可视化项中的预测建模函数](https://help.tableau.com/v0.0/public/desktop/zh-cn/predictions_future.htm)。

## 预测计算的规则

- 不能混用聚合参数和非聚合参数。如果目标表达式是聚合表达式，则预测因子也必须如此。
- 这些函数最适合用于在每个标记表示离散实体的可视化项上预测单个记录的值，例如人员、产品、销售额等。
- 这些函数最适合预测使用 SUM 和 COUNT 的聚合目标表达式的值。
- 不建议使用这些函数预测使用 AVG、MEDIAN、MIN 或 MAX 的聚合目标表达式的值。
- 这些函数应使用与可视化项位于相同详细级别或位于更高详细级别的预测因子。