시계열 노드는 로컬 또는 분산 환경의 데이터와 함께 사용할 수 있습니다. 이 노드를 사용하여 시계열에 대한 지수평활, 일변량 ARIMA(Autoregressive Integrated Moving Average) 또는 다변량 ARIMA(또는 전이 함수) 모델을 추정하고 시계열 데이터에 기반하여 예측을 생성합니다.

지수평활은 향후 값을 예측하기 위해 이전 계열 관측의 가중된 값을 사용하는 시계열 분석 방법입니다. 이와 같이 지수평활은 데이터의 이론적 이해에 기반하지 않습니다. 새 데이터가 들어오면 해당 예측을 조정하여 한 번에 하나의 포인트를 예측합니다. 이 방법은 추세, 계절성 또는 모두를 나타내는 계열의 시계열 분석에 유용합니다. 추세 및 계절성을 다르게 처리하는 다양한 지수평활 모델 중에서 선택할 수 있습니다.

ARIMA 모델은 지수평활 모델을 수행하는 모델링 추세 및 계절 구성요소에 대해 보다 정교한 방법을 제공하고, 특히 모델의 독립 변수(예측자)의 추가된 혜택을 누릴 수 있습니다. 여기에는 차이 정도와 함께 자기회귀 및 이동 평균 순서를 명시적으로 지정하는 작업이 포함됩니다. 예측자를 포함하고 이 모든 항목에 대해 전이 함수를 정의하고, 이상치 또는 명시적 이상치 세트의 자동 발견을 지정할 수 있습니다.

자동 Modeler 옵션도 사용할 수 있습니다. 이 경우 하나 이상의 대상 변수에 대해 최적합 ARIMA 또는 지수평활 모델을 자동으로 식별 및 추정하려고 하므로, 시행착오를 통해 적절한 모델을 식별하지 않아도 됩니다. 의심되는 경우 자동 Modeler 옵션을 사용하십시오.

예측자 변수가 지정된 경우 자동 Modeler는 ARIMA 모델에 포함되도록 종속 계열과 통계적으로 중요한 관계에 있는 해당 변수를 선택합니다. 모델 변수는 차이 및/또는 제곱근이나 자연 로그 변환을 사용하여 적절한 위치에서 변환됩니다. 기본적으로 자동 Modeler는 모든 지수평활 모델과 모든 ARIMA 모델을 고려하며, 각 대상 필드에서 이들 중 최상의 모델을 선택합니다. 그러나 지수평활 모델 중 최상의 항목을 선택하거나 ARIMA 모델 중 최상의 항목만을 선택하도록 자동 Modeler를 제한할 수 있습니다. 또한 이상치 자동 발견을 지정할 수 있습니다.