什么是预测分析法：预测分析法的例子案例
预测分析法主要用于未知数据的判断和预测，这个方法在大数据时代显得尤为突出和重要，例如依据过往三年的历史销售数据，预测未来六个月的销售额；根据患者各项体检指标的检查，预测其患某种疾病的可能性；利用消费者在互联网留下的日志数据，向消费者推送可能购买的商品等。预测分析法大致可以划分为两种：一种是基于时间序列的预测，即根据指标值的变化与时间依存关系进行预测（具体的预测方法有移动平均法、指数平滑法、ARIMA法等）；另一种是回归类预测，即根据指标之间相互影响的因果关系进行预测（具体的预测方法有线性回归、KNN算法、决策树模型等）。
下面通过一个简单的案例来阐述预测分析法的应用。假设影响某商品销售利润（Profit）的因素包含研发成本（RD_Sperd）、管理成本（Administration）和市场营销成本（Marketing_Spend），数据如图1-18所示，为部分数据。那么，如何基于这三个因素来预测商品的销售利润？
下面利用预测分析法中的线性回归模型（有关该模型的具体用法，读者可以参考本书第5章的内容），对数据进行建模，并基于模型实现商品销售利润的预测：
得出的结果如图1-19所示。
图1-19 模型的概览信息
从上图结果可知多元线性回归模型的系数（图中方框内所示）。假设不考虑模型的显著性和回归系数的显著性，那么得到的回归模型可以表示为：
Profit =50120+0.81 RD _ Spend -0.03 Administration +0.03 Marketing _ Spend
所以，当已知三个因素的具体值时，就可以将它们的值导入到线性回归模型的方程式中，求得可能的商品利润。
