ATT 予測エンジンに設定されたデフォルトのパラメーター

本トピックは、ATT 予測エンジンの構成に指定したデフォルトのパラメーターを説明します。リストには予測エンジンを構成するための単一値入力パラメーターが含まれます。Best フィット (ピッキングアルゴリズム) を使用する初期モデルのデフォルトパラメーターリスト：

名前 説明 使用元 (アルゴリズム) 許容範囲 デフォルト値 (Demand+ テンプレート)
境界定数 ATTEngineDataClass.boundaryConstant

Robust Holt-Winters アルゴリズムで使用されます。外れ値検出が必要でない場合、推奨される値は 100 です。外れ値検出が必要である場合、値は 3.5 です。境界定数は予測値と比較した、履歴値の標準偏差の数を示します。

 Best, H-W 正の小数 3.5
信頼度の限度 BatsEngineDataClass.confidenceLimit

これは Ljung-Box 試験の信頼度の限度を示します。Ljung-Box 試験はモデル適合残差の統計的有意性を確認します。試験の結果、有意であることが判明した場合、残差はランダム (よく適合したモデルに有効でない) ではありません。値がゼロの場合、エンジンはこの統計を計算しません。値が 1 に近いほど、有意な結果が生成されやすくなります。しかし、結果が有意である場合でも、このモデルを使用できます。

BATS 0 < x <= 1 0.95
決定基準 MainDataClass.decisionCriterion

これにより、どのモデルがベストか確認する試験に、どのタイプの決定基準を使用するかが決まります。Best アルゴリズムと最適化の両方で使用されます。通常、AIC (赤池情報基準) および BIC (ベイズ情報基準) は SD (標準偏差) モデルより優れています。

 Best, H-W (最適化 = TRUE) AIC、BIC、SD AIC
エポック モデルがモデル係数を計算するために実行するデータセット全体のループ数。

エポックの値が高いほどモデルは正確ですが、パフォーマンスに影響します。

注: これは、[予測結合] オプションがオンに設定されている場合に適用されます。
 ML 訓練-テスト、ML 訓練-テストランダム化、ML クロス検証、ML 完全データセット、ML 完全データセットランダムのいずれかが True の場合、Best 正の整数 50
フォールド クロス検証データセットの設定に使用されるフォールドの数。
注: これは、[予測結合] オプションがオンに設定されている場合に適用されます。
 機械学習のクロス検証 = True の場合、Best 正の整数 50
予測テスト重大度 履歴に対する予測の重大度を表します。また、将来予測の適合性の評価に役立つチェックを行います。 すべて 正の小数 0
履歴トレンドダンピング係数 ModelDataClass.historyTrendDampingFactor

これは Holt-Winters アルゴリズムの履歴トレンドダンピング係数を示します。この係数は、モデル適合プロセスの間にトレンドをダンピングするために使用されます。この係数は、予測のトレンドをダンピングし続けるためにも使用されます。データに強いトレンドがある場合、トレンドダンピング係数は 1 に近い必要があり、0.95 の値は許容範囲内と見なされます。トレンドダンピングが必要ない場合、1 の値を使用する必要があります。

 Best, H-W 0 < x <= 1 1
初期化タイプ ModelFitController:InitialisationType

これはアルゴリズムが Holt-Winters である場合に、どの初期化技術を使用するか決定します。Best (fitmodelPickingAlgorithm) を使用してエンジンをコールする場合、初期化技術のサブセットが使用されるため、該当しません。

 H-W NOINITIA LISATION、MEDIANS、AVERAGING、DECOMPOSI TION、LEA STSQUARE、BACKCAST ING、 中央値
介入回帰性緩和 BatEngineDataClass.interventionRegressionDiscount

予測の回帰係数を修正するために適用されます。これは、外れ値またはステップ変更など、特定の状況下にある定期バージョンの代わりに使用されます。

注: この値は、標準緩和係数より小さくする必要があります。
BATS 0 =< x < 1 0
介入季節性緩和 BatEngineDataClass.interventionSeasonalDiscount 予測の季節性係数を修正するために適用されます。これは、外れ値またはステップ変更など、特定の状況下にある定期バージョンの代わりに使用されます。
注: この値は、標準緩和係数より小さくする必要があります。
BATS 0 =< x < 1 0
介入トレンド緩和 BatEngineDataClass.interventionTrendDiscount 予測のトレンド要素を修正するために適用されます (レベルおよび成長)。これは、外れ値またはステップ変更など、特定の状況下にある定期バージョンの代わりに使用されます。
注: この値は、標準緩和係数より小さくする必要があります。
BATS 0 =< x < 1 0
介入変動緩和 BatEngineDataClass.intervention 予測の変動見積 (レベルおよび成長) を修正するために適用されます。これは、外れ値またはステップ変更など、特定の状況下にある定期バージョンの代わりに使用されます。 BATS 0 =< x < 1 0
指数重み付け移動平均ラムダ ATTEngineDataClass.exponentiallyWMALambda これは指数移動平均アルゴリズムに使用される重み付け係数を表します。これは移動平均値の新しい結果の影響を増加または減少させるために使用されます。係数が 0 である場合、新しい結果は移動平均値に影響を与えません。係数が 1 である場合、新しい結果は移動平均値になります。たとえば、0.05 <= x <= 0.25 および 0.2 <= x <= 0.3 の値が合理的です。 Best, EWMA 0 < x <= 1 0.2
最小二乗法外れ値標準偏差 ATTEngineDataClass.leastSquaresOutlierSD 予測と比較した、データ点の標準偏差の最小数。最小二乗法アルゴリズムの外れ値と同じものにフラグを付けます (デフォルト= 0、効果的に外れ値の検出を停止する)。外れ値試験が必要な場合、2 など、低い値が推奨されます。外れ値は、大きなエラーが発生したときのみ機能します。これは、最小二乗法モデル適合には、最初の計算における外れ値の結果が復あれ、外れ値に比較的反応しないためです。 BEST, LS 整数 2
レベル拡大係数 BatsEngineDataClass.levelInflationFactor 現在の標準偏差見積に適用して、現在のモデルと比較する 2 つの代替モデル (1 つはより高く、1 つはより低い) を作成します。これは BATS 監視で使用されます。 BATS 0 - 99.9 3.5
レベル拡大しきい値 BatsEngineDataClass.levelInflationThreshold

追跡シグナルがアクティブになる前の、ベイズ因子のレベルシフトの最小許容値。これは BATS 監視で使用されます。

ベイズ因子が各期間で閾値を下回ると、外れ値が宣言されます。

ベイズ因子が累積的に閾値を下回ると、追跡シグナルとプロセスがアクティブ化されます。

BATS 0 < x <= 1 1
レベルスムージング係数 ModelDataClass.alpha

これは Holt-Winters アルゴリズムのレベルスムージング係数を示します。これは Holt-Winters モデルのレベルコンポーネントに関する新しい結果 (重み、減衰率など) の影響を増加または減少させるために使用されます。係数が 0 である場合、新しい結果はモデルのレベルに影響を与えません。係数が 1 である場合、新しい結果はスムージングレベルになります (該当する場合、季節の影響が取り除かれた後)。

注: 最適化マクロパラメーターが TRUE のとき、エンジンは選択した決定基準の最低値のモデルを生成する値を使用して、複数の値を適用します。

Best.

H-W (最適化 = TRUE)

 0 < x <= 1 0.4
学習率 モデル係数の計算中にモデルにフィードバックされるエラーを決定します。
注: これは、[予測結合] オプションがオンに設定されている場合に適用されます。
 ML 訓練-テスト、ML 訓練-テストランダム化、ML クロス検証、ML 完全データセット、ML 完全データセットランダムのいずれかが True の場合、Best 正の小数 0.001
最大モデル条件 BatsEngineDataClass.maximumModelTerms

生成されたモデルの条件の最大数。これには、レベル、トレンド、6 つのハーモニクス (サインとコサインの 6 つのペア) が含まれます。

注: リグレッサは含まれません。
 BATS 1-14 14
SMP の最小期間 SMP (回転の悪い製品、または断続的な需要) として考慮する、ゼロでない履歴値の最小数を決定します。
注: テストの前にユーザー定義のマスクが削除されます。
EVO を除くすべて 0 以上の整数 0
モデル形式 ModelDataClass.ModelForm

これにより、一定 (レベルのみ)、線形 (レベルおよびトレンド)、季節 (レベル、トレンド、季節性) 使用されるモデルのタイプが決まります。これは選択した SeasonalType パラメーターと使用する必要があります。

注: 
  • 季節定数は BATS アルゴリズムのみに適用されます。
  • このパラメーターは、イベントのみを除くすべてのアルゴリズムに適用されます。
 すべて NOTSET、CONSTANT、LINEAR、CONSTANT _SEASONAL、SEASONAL NOTSET
移動平均外れ値標準偏差 ATTEngineDataClass.movingAverageOutlierSD

予測と比較した、データ点の標準偏差の最小数。移動平均アルゴリズムの外れ値と同じものにフラグを付けます (デフォルト= 0、効果的に外れ値の検出を停止する)。外れ値試験が必要な場合、2 など、低い値が推奨されます。外れ値は、大きなエラーが発生したときのみ機能します。これは、移動平均モデル適合には、最初の計算における外れ値の結果が復あれ、外れ値に比較的反応しないためです。

 BEST, MA, EWMA 整数 2
移動平均点の値 ModelDataClass.movingAveragePoint)

これは各移動点計算に使用されるデータ点の数を表します。

注: これは、中心化移動平均ではありません。
 BEST, EWMA, MA 正の整数 4
MLR トリム係数 これにより、バージョンプロセスの前の各期間における最大および最小予測 (x) が削除されます。これは、最初と最後の値を削除したときの片側の値 (x =1) を表します。
注: これは、[予測結合] オプションがオンに設定されている場合に適用されます。
 ML 訓練-テスト、ML 訓練-テストランダム化、ML クロス検証、ML 完全データセット、ML 完全データセットランダムのいずれかが True の場合、Best 正の整数 0
最適化増分 OptimisationDataClass.optimisationIncrement

Late Acceptance Hill Climbing (LAHC) 最適化ヒューリスティックパラメーターを使用して、最適化アルゴリズムの反復で、関連する Holt-Winters スムージング係数の増分を決定します。この値を 0 に近づけると、反復数が増加し、全体の最適化パフォーマンスが減少します。

 BATS, BEST, H-W 0 =< x <= 1 0.1
最適化の割合 OptimisationDataClass.optimisationPercentage

Late Acceptance Hill Climbing (LAHC) 最適化ヒューリスティックパラメーターを使用して、ソリューションが最適化ランを完了するために保存されていない場合、連続的に計算する必要のある候補ソリューションの数を決定します。これは増分最適化とモデル形式に基づく、実行できるランの合計数です。この値が 1 の場合、増分最適化とモデル形式に基づく、実行できるランの合計数を決定するために、最適化が使用されます。値が 0 である場合、関連するスムージング係数の最適化開始値を使用して、ランが 1 回実行されます。デフォルト値の使用が推奨されます。この値が 1 に近いとき、ランの長さが増加し、パフォーマンスが減少します。しかし、必要なグローバル最小値 (Best スムージングパラメーター) に近づく可能性は増加します。

 BEST, H-W 0 =< x <= 1 0.1
最適化開始値アルファ OptimisationDataClass.OptimisationStartingValueAlpha

Late Acceptance Hill Climbing (LAHC) 最適化ヒューリスティックパラメーターを使用して、Holt-Winters アルゴリズムのトレンドスムージング係数の開始値を決定します。

 BATS, BEST, H-W 0 =< x <= 1 0
最適化開始値ベータ OptimisationDataClass.OptimisationStartingValueBeta

Late Acceptance Hill Climbing (LAHC) 最適化ヒューリスティックパラメーターを使用して、Holt-Winters アルゴリズムのトレンドスムージング係数の開始値を決定します。

 BATS, BEST, H-W 0 =< x <= 1 0
最適化開始値ガンマ OptimisationDataClass.OptimisationStartingValueGamma

Late Acceptance Hill Climbing (LAHC) 最適化ヒューリスティックパラメーターを使用して、Holt-Winters アルゴリズムの季節性スムージング係数の開始値を決定します。

 BATS, BEST, H-W 0 =< x <= 1 0
外れ値例外範囲 計算済予測の期間レベルでの、外れ値例外テストの履歴期間 (例: 期間レベルが月の場合は月数) を決定します。外れ値は全履歴に対して設定されますが、例外期間を含む最新の期間内に外れ値がある場合のみ、静的としてフラグ設定されます。 BATS, BEST, EWMA, LS, MA 正の整数 Null
外れ値テストの実行 MainDataClass.performOutlierTesting

Holt-Winters、最小二乗法、移動平均、指数移動平均アルゴリズムの外れ値について、チェックを実行するかどうか決定します。

 BATS, BEST, EWMA, H-W, LS, MA True または False True
ステップ変更の実行 MainDataClass.performStepChanges

Holt-Winters アルゴリズムのステップ変更について、チェックを実行するかどうか決定します。

 BATS, BEST, H-W True または False True
追跡の実行 MainDataClass.performTracking

Holt-Winters、最小二乗法、移動平均、指数移動平均アルゴリズムの外れ値について、エンジンがチェックを実行するかどうか決定します。

 BATS, BEST, EWMA, H-W, LS, MA True または False True
周期性 MainDataClass.period

渡された履歴とマスク情報の周期性。これは、季節の影響を予測するためのデータの循環性を示します (例: 月 = 12/13、週 = 52、四半期= 4、など)。

 すべて Holt-Winters および BATS アルゴリズム: 4 (四半期データ)、12、13 (月単位データ)、52 (週単位データ)、7 および 365 (日単位データ)。他すべてのアルゴリズムでは、期間 = 0 は有効です。 12 (月)、52 (週)
乱数シード 次のような値があります。
  • < 0: ランダム化は実行されません。
  • 0: 再現不能のランダム化が実行されます。
  • >0: 再現可能なランダム化が実行されます。つまり、番号が同じ場合のランダム順序は同じです。したがって、結果は再現可能です。
注: これは、[予測結合] オプションがオンに設定されている場合に適用されます。
 ML 訓練-テストランダム化、ML クロス検証、または ML 完全データセットランダム化のうち 1 つが True の場合、Best 整数 -1
最近の履歴 ModelDataClass.recentHistory

品目に販売履歴があるかどうかを確認するための最近の履歴期間の数を示します。パラメーターで指定される期間数において品目に販売履歴がない場合、エンジンはその期間の予測を返しません。最近の履歴例外が、エンジンによりフラグ設定されます。

 すべて 周期性に基づき、0 以上の整数 エンジンのデフォルト設定なし
定期回帰性緩和 BatEngineDataClass.trendDiscount

これは BATS モデルの回帰コンポーネントに関する新しい結果 (重み、減衰率など) の影響を増加または減少させるために使用されます。緩和係数を 1 にした場合、モデルはより動的になり、0 の場合、モデルはより動的でなくなります。

 BATS 0 =< x < 1 0
定期季節変動性緩和 BatEngineDataClass.seasonalDiscount

これは BATS モデルの季節コンポーネントに関する新しい結果 (重み、減衰率など) の影響を増加または減少させるために使用されます。緩和係数を 1 にした場合、モデルはより動的になり、0 の場合、モデルはより動的でなくなります。

 BATS 0 =< x < 1 0
定期トレンド緩和 BatEngineDataClass.trendDiscount

これは BATS モデルのトレンドコンポーネントに関する新しい結果 (重み、減衰率など) の影響を増加または減少させるために使用されます。緩和係数を 1 にした場合、モデルはより動的になり、0 の場合、モデルはより動的でなくなります。

 BATS 0 =< x < 1 0
定期分散緩和 BatEngineDataClass.varianceDiscount

これは BATS モデルの変動コンポーネントに関する新しい結果 (重み、減衰率など) の影響を増加または減少させるために使用されます。緩和係数を 1 にした場合、モデルはより動的になり、0 の場合、モデルはより動的でなくなります。

 BATS 0 =< x < 1 0
実行長の限度 BatsEngineDataClass.runLengthLimit

レベルや変動の有意なシフトを監視する期間数、および追跡シグナルがフラグ設定される (フラグ設定されていない場合) までの、追跡シグナルを実行できる最大長を定義します。追跡シグナルが検出されると、マップされている場合は品目/場所の組合せが追跡シグナル例外に書き込まれます。これは BATS 監視で使用されます。

BATS 正の整数 4
スケール拡大係数 BatsEngineDataClass.scaleInflationFactor

変動の見積の増加を監視する代替モデルを作成するために使用される係数。これは BATS 監視で使用されます。

 BATS 0.001-100 20
規模拡大しきい値 BatsEngineDataClass.scaleInflationThreshold

追跡シグナルがアクティブになる前の、ベイズ因子の変動の最小許容値。ベイズ因子がこの閾値を下回ると、追跡シグナルプロセスがアクティブ化されます。

これは BATS 監視で使用されます。

BATS 0 < x <= 1 0.01
スケールスムージング係数 ModelDataClass.lambda

Robust Holt-Winters アルゴリズムのレベルスムージング係数を。これは Robust Holt-Winters モデルのスケールコンポーネントにおける予測エラーの影響を増加または減少させるために使用されます。係数が 0 である場合、予測エラーはモデルのスケールに影響を与えません。係数が 1 である場合、予測エラーはモデルのスケールに大きな影響を与え、不安定になります。この数字は 0.1 に設定し、修正しないことを推奨します。

 Best, H-W 0 < x <= 1 0.1
季節スムージング係数 ModelDataClass.gamma

これは Holt-Winters アルゴリズムの季節スムージング係数を示します。これは Holt-Winters モデルの関連する季節インデックスに対する新しい結果の影響を増加または減少させるために使用されます。係数が 0 である場合、新しい結果はモデルの関連する季節インデックスに影響を与えません。係数が 1 である場合、新しい結果は関連する季節インデックスになります (レベルの影響を除去した後)。

注: 最適化マクロパラメーターが TRUE のとき、エンジンは選択した決定基準の最低値のモデルを生成する値を使用して、複数の値を適用します。
Best, H-W (最適化 = TRUE) 0 < x <= 1 0.4
季節タイプ ModelDataClass.SeasonalType

これにより、加算または乗算など、Holt-Winters モデルに使用される季節性のタイプが決まります。

。 		Best, BATS, H-W NONE、ADDITIVE、MULTIPLI CATIVE なし
短い履歴 ModelDataClass.shortHistoryLength

モデル適合の実行に必要な履歴の最小の長さを格納します。履歴の長さは、指定された短い履歴パラメーターと同じか、それより大きい必要があります。テストの前にユーザー定義のマスクが削除されます。

 EVO を除くすべて 0 以上の整数 0
SMP ギャップ緩和係数 BatsEngineDataClass.smpDiscount

SMP の BATS のレベルをスムージングするために使用する緩和係数を保存します。これにより、現在有効な販売イベントの時間間隔を予測するプロセスが容易になります。

 BATS 0 =< x < 1 0.2
ステップ変更の例外期間

計算済予測の期間レベルでの、ステップ変更例外テストの履歴期間 (例: 期間レベルが月の場合は月数) を決定します。ステップ変更は全履歴に対して設定されますが、例外期間を含む最新の期間内にステップ変更がある場合のみ、静的なアラート(pconst で) としてフラグ設定されます。指定されていない場合、限度はありません

。		 BEST, H-W 正の整数 Null
ステップ変更最大実行長 ATTEngineDataClass.stepChangeMaximumRunLength

Holt-Winters アルゴリズムにおけるステップ変更を引き起こすために必要な連続的外れ値の最大数を含みます。すべての外れ値は、同じ方向である必要があります。

 BEST, H-W 整数 3
追跡例外期間

計算済予測の期間レベルでの、追跡シグナルテストの履歴期間 (例: 期間レベルが月の場合は月数) を決定します。追跡シグナルは全履歴に対して設定されますが、例外期間を含む最新の期間内に追跡シグナルがある場合のみ、静的なアラート (pconst で) としてフラグ設定されます。

 BATS, BEST, EWMA, H-W, LS, MA 正の整数 Null
追跡管理限度 TrackingSignalDataClass.controlLimit

追跡がオンに設定されている場合、追跡管理限度を決定します。値 0.99 は、追跡シグナル検出をオフにします。

 BEST, EWMA, H-W, LS, MA 0.8, 0.9, 0.95, 0.96, 0.97, 0.98, 0.99 0.99
追跡タイプ TrackingSignalDataClass.type

追跡がオンに設定されている場合に使用される追跡シグナル戦略を決定します。

 BEST, EWMA, H-W, LS, MA NOTRACKING、SIMPLE TRACKING SIGNAL、BROWNSCUSU MTRACK INGSIGNAL、TRIGGS SMOOTHED TRACKING SIGNAL、AUTOCORRE LATION TRACKING SIGNALL NOTRA CKING
トレンドスムージング係数 ModelDataClass.beta

これは Holt-Winters アルゴリズムのトレンドスムージング係数を示します。これは Holt-Winters モデルのトレンドコンポーネントに対するレベルの影響を増加または減少させるために使用されます。係数が 0 である場合、新しいレベルと古いレベルの差はモデルのトレンドに影響を与えません。係数が 1 である場合、新しいレベルと古いレベルの差はモデルのトレンドです。

注:  最適化マクロパラメーターが TRUE のとき、エンジンは選択した決定基準の最低値のモデルを生成する値を使用して、複数の値を適用します。
Best, H-W 0 < x <= 1 0
トリム係数 予測結合の三重平均技法の実行時に削除される許容値の数を示します。これは、最初と最後の値を削除したときの片側の値 (x =1) を表します。
注: これは、[予測結合] オプションがオンに設定されている場合に適用されます。
 最適およびクラシック結合をオンに設定。 正の整数 1
ウィンザライズ係数 Winsizoring 技法の実行時に置き換える極値の数を示します。これは、最初と最後の値を削除したときの片側の値 (x =1) を表します。 最適およびクラシック結合をオンに設定。 正の整数 1
重み付けAIC (最大) ForecastingConstants.AICMAXIMUM

加重計算に含められる、AIC 技法の最小値からの最大差異を示します。これは重み付け AIC 技法で使用され、[予測結合] オプションがオンに設定されている場合に適用されます。

 最適およびクラシック結合をオンに設定。 正の小数 4
注: 
  • Advanced Traditional Techniques エンジンは、追加の期間 (ForecastDataClass.horizon_) パラメーターを必要とします。これは Cycle.FutureHorizon パラメーターから使用されます。これは品目もしくは場所、またはその両方に適用されます。これは予測エンジンをコールするときに、プロセスの一部として実行されます。
  • アプリケーションは予測エンジンをコールする前に、パラメーターの検証を実施します。不適切なパラメータ設定を使用する品目および場所は、拒否されます。コードリストと無効パラメーターは、添付された排気ログの予測エンジンの監査ログエントリで指定されます。
  • Algorithm、SeasonalType、および ModelForm は互いに連動します。可能な組み合わせ (Algorithm、SeasonalType、および ModelForm の順番)： 
    LEASTSQUARES, NONE, LINEAR  
MOVINGAVERAGE, NONE, CONSTANT  
EXPONENTIALMOVINGAVERAGE, NONE, CONSTANT
CROSTONS, NONE, CONSTANT  
HOLTWINTERS, NONE, CONSTANT  
HOLTWINTERS, NONE, LINEAR  
HOLTWINTERS, ADDITIVE, SEASONAL  
HOLTWINTERS, MULTIPLICATIVE, SEASONAL.