時系列フォーキャストでは、予測精度を向上させるためにモデルにさまざまな機能が組み込まれています。
特徴係数はフォーキャスト結果を解釈する際に極めて重要な役割を果たします。 

以下に対して説明可能性係数を生成することができます。

  • 関連時系列 (RTS)
  • ターゲット時系列の過去の値 (TTS)
  •  季節成分とトレンド成分

正の係数

値がゼロより大きい係数は、説明可能性データ特徴と TTS の間に正の関係があることを示しています。RTS の値が増加すると、TTS の値も増加します。例:

  • 遅延値の正の係数は、時系列 (過去の値) が将来の値と相関していることを示しています。
  • 季節成分の正の係数は、その季節が TTS に与える正の影響を示しています。

負の係数

値がゼロ未満の係数は、説明可能性特徴と TTS の間に負の関係があることを示しています。RTS の値が増加すると、TTS の値は減少します。例:

  • 競合他社の売上の負の係数は、競合他社の売上の増加が自社の売上の減少に関連していることを示しています。
  • 季節成分の負の係数は、その季節が TTS に負の影響を与えることを示しています。