説明可能性

説明可能性の結果はアルゴリズム内の独立した特徴量から導き出されます。このデータはより充実したフォーキャストを生成するのに役立ちます。一般的な特徴量の例として以下のようなものがあります。

•  マーケティング キャンペーンとプロモーション
•  在庫レベル
•  製品収益

説明可能性の詳細によって、フォーキャスト入力 (関連データなど) が予測結果に与える影響も特定できます。以下は電動自転車企業の例です。

過去の石油価格、電動自転車の価格、プロモーション データに関する情報がある Forecaster データ コレクションを取得します。 説明可能性によって、石油価格の上昇やプロモーションが売上の増加に影響するかどうかがわかります。

予測結果に与える影響は特徴量ごとに異なる場合があります。一つの特徴量が予測結果に及ぼす影響度が説明可能性の結果からわかります。 

フォーキャスト結果に対する特徴量の影響については以下を確認してください。