![](https://www.sas.com/es_mx/software/visual-forecasting/features-list/_jcr_content/par/styledcontainer_ced3/image.img.png/1638203880869.png)
Lista de funciones de SAS Visual Forecasting
Análisis y pronóstico de series temporales a gran escala en un entorno distribuido
Análisis y pronóstico de series temporales a gran escala en un entorno distribuido
- Genera automáticamente grandes cantidades de pronósticos basados en estadísticas en un entorno distribuido en memoria.
- El lenguaje de secuencias de comandos permite el análisis de series temporales distribuidas en memoria.
- Mezcla los datos para que cada serie temporal se copie en la memoria de un único nodo informático.
- Ejecuta cada serie temporal en un subproceso de un nodo y cada nodo ejecuta el script compilado para cada una de sus series temporales asignadas.
- Está optimizado para la máquina en la que se ejecuta, por lo que los usuarios no tienen que volver a escribir el código para diferentes máquinas.
Nodos de estrategia de modelado de red neuronal/machine learning
Nodos de estrategia de modelado de red neuronal/machine learning
- Incluye un marco de red neuronal de serie de paneles con capacidades de generación automática de características y ajuste de hiperparámetros (ajuste automático).
- Proporciona un marco de múltiples etapas (red neuronal/regresión + serie temporal) para crear una metodología de pronóstico que combina señales de diferentes tipos de modelos.
- Aborda problemas que tienen tanto características de series temporales como relaciones no lineales entre variables dependientes e independientes mediante el uso de pronósticos de modelos apilados (red neuronal + series temporales).
Capacidades de deep learning
Capacidades de deep learning
- Produzca pronósticos con la red neuronal recurrente (RNN), la red de unidades de memoria a corto plazo (LSTM) y la red de unidades recurrentes (GRU).
- Los datos transaccionales se formatean automáticamente con fines de previsión con los métodos de deep learning anteriores.
- La estrategia recursiva se aplica automáticamente para la previsión de varios pasos.
Modelado interactivo
Modelado interactivo
- Produzca automáticamente gráficos de análisis, incluidos ciclos estacionales, función de autocorrelación (ACF), función de autocorrelación parcial (PACF) y prueba de probabilidad de ruido blanco para series temporales individuales.
- Compare modelos visualmente y utilizando la métrica de su elección en las regiones dentro y fuera de la muestra.
- Desarrolle modelos personalizados de suavizado exponencial, ARIMA y subconjunto (factorizado) ARIMA para series de tiempo individuales a través de una interfaz de usuario simple.
- Seleccione sus propios campeones modelo.
Facilidad de anulación flexible
Facilidad de anulación flexible
- Habilita ajustes de pronósticos personalizados que no están limitados por la estructura de la jerarquía de pronóstico.
- Permite seleccionar filtros basados en atributos, como ubicación, marca, categoría, tamaño, color, opinión, calidad, etc.
- Permite definir especificaciones de anulación por filtro y período(s) de tiempo para todas las series de tiempo contenidas dentro de un filtro.
- Incluye filtros de búsqueda por facetas.
- Permite la desagregación de anulación mediante el modelo de optimización.
- Habilita la ejecución por lotes y las actualizaciones de datos incrementales.
Integración con código abierto
Integración con código abierto
- Incluye paquete de lenguaje externo (EXTLANG), que distribuye código fuente abierto de Python y R para ejecutarse en paralelo en los nodos trabajadores de SAS Viya en la nube.
- Llame a las acciones analíticas de SAS Visual Forecasting desde Python, R, Java, JavaScript y Lua.
Conciliación jerárquica
Conciliación jerárquica
- Modela y pronostica cada serie en la jerarquía individualmente.
- Concilia pronósticos en múltiples niveles de la jerarquía.
Segmentación automática basada en patrones de datos
Segmentación automática basada en patrones de datos
- Plantilla de segmentación preconstruida basada en patrones de series temporales como volumen, volatilidad y estacionalidad.
- Creación automática de canalizaciones anidadas y configurables con una estrategia de modelado adecuada para cada segmento seleccionado de forma predeterminada para la plantilla de clasificación de demanda preconstruida.
- Capacidad de importar segmentos predefinidos por los usuarios, admitiendo hasta 1000 segmentos.
Atributos derivados
Atributos derivados
- Cree conjuntos predefinidos de atributos derivados, incluidos:
- Atributos de series temporales (mín., máx., media, faltante, etc.).
- Atributos de pronóstico (propiedades del modelo, estadísticas de ajuste).
- Atributos de clasificación de la demanda.
- Atributos de volumen/volatilidad.
Análisis de series temporales
Análisis de series temporales
- Análisis de autocorrelación.
- Análisis de correlación cruzada.
- Descomposición estacional y análisis de ajuste.
- Análisis de series de conteo.
- Pruebas de diagnóstico de estacionalidad, estacionariedad, intermitencia y selección tentativa de órdenes ARMA.
Análisis de frecuencia de tiempo
Análisis de frecuencia de tiempo
- Funciones de ventana.
- Análisis de Fourier para series temporales reales y complejas.
- Análisis de Fourier a corto plazo.
- Transformada discreta de Hilbert.
- Pseudo distribución de Wigner-Ville.
Modelado de series de tiempo
Modelado de series de tiempo
- Modelos ARIMA (regresión dinámica y funciones de transferencia).
- Modelos de suavizado exponencial.
- Modelos de componentes no observados.
- Modelos de espacio de estados.
- Modelos de demanda intermitente con el método de Croston.
Modelado automático de series de tiempo
Modelado automático de series de tiempo
- Generación automática de modelos de series temporales.
- Selección automática de eventos y variables de entrada.
- Selección automática de modelo.
- Optimización automática de parámetros.
- Predicciones automáticas.
Análisis de espectro singular (SSA)
Análisis de espectro singular (SSA)
- Descomposición y pronóstico univariado SSA.
- SSA multivariado.
- SSA automático.
Seguimiento subespacial (SST)
Seguimiento subespacial (SST)
- Realice técnicas avanzadas de monitoreo (análisis de señales) para múltiples series de tiempo.
Evaluación de intervalos de tiempo
Evaluación de intervalos de tiempo
- Evalúe una variable en una tabla de entrada para determinar su idoneidad como variable de ID de tiempo.
- Evalúe qué tan bien se ajusta una especificación de intervalo de tiempo a los valores de fecha/fechahora o números de observación utilizados para indexar una serie de tiempo.
- Puede especificarse explícitamente como entrada para PROC TSMODEL o inferirse mediante el procedimiento en función de los valores de la variable de ID de tiempo.
Espectadores de series temporales y pronósticos
Espectadores de series temporales y pronósticos
- Proporciona un visor de series temporales con un conjunto preconstruido de atributos de series temporales.
- Proporciona un visor de pronósticos con un conjunto preconstruido de atributos de pronóstico.
- Incluye gráficos envolventes para ver varias series.
- Permite usar filtros facetados en estadísticas descriptivas, propiedades del modelo y estadísticas de ajuste.
Paquete de reducción de dimensiones de series temporales (TDR)
Paquete de reducción de dimensiones de series temporales (TDR)
- Permite la reducción de la dimensión de los datos de series temporales transaccionales en preparación para la minería de series temporales.
- Le permite luego aplicar técnicas tradicionales de minería de datos (como agrupamiento, clasificación, árboles de decisión y otros).
Compartir proyecto
Compartir proyecto
- Los proyectos en Model Studio utilizan la función de uso compartido de proyectos de SAS Drive.
- Cuando se comparte con acceso de lectura/escritura, varios usuarios pueden realizar cambios en el proyecto al mismo tiempo.
- Alternativamente, los proyectos se pueden compartir con acceso de solo lectura.
Distribuido, accesible y listo para la nube
Distribuido, accesible y listo para la nube
- Se ejecuta en SAS® Viya®, un motor escalable y distribuido en memoria.
- Distribuye tareas de análisis y datos en varios nodos informáticos.
- Proporciona acceso rápido, simultáneo y multiusuario a los datos en la memoria.
- Incluye tolerancia a fallas para alta disponibilidad.
- Permite agregar el poder del análisis de SAS a otras aplicaciones utilizando las API REST de SAS Viya.