指数平滑法
构建最佳拟合指数平滑法模型包括确定模型类型（此模型是否需要包含趋势和/或季节性），然后获取选定模型的最佳拟合参数。
随着时间的推移，男装销售情况图建议您使用同时包含线性趋势成分和乘法季节性成分的模型。 这意味着使用温特斯模型。 但是，我们先探究一个简单模型（既无趋势也无季节性），然后探究一个霍特模型（包含线性趋势，但无季节性）。 此操作将让您了解模型在什么时候不适合数据，这是成功构建模型的基本技巧。
下面我们将开始构建一个简单的指数平滑法模型。
- 添加“时间序列”节点并将其附加到“类型”节点。 双击节点以编辑其属性。
- 在观测和时间间隔下，选择
date作为时间/日期字段。 - 选择月作为时间间隔。
图 1。 设置时间间隔 
- 在构建选项 - 常规下，对于方法选择指数平滑法。
- 将模型类型设置为简单。 单击保存。
图 2。 设置方法 
- 运行流以创建模型块。
- 将“时间散点图”节点附加到模型块。
- 在散点图下，将字段
men和$TS-men添加到序列列表中。 - 选择选项使用定制 x 轴字段标签，并选择
date字段。 - 取消选中在单独的面板中显示序列和标准化选项。 单击保存。
图 3。 设置散点图选项 
- 运行流，然后打开输出。在散点图中， 男 表示实际数据， $TS-men 则表示时间序列模型。
图 4： 简单指数平滑法模型 
尽管简单模型实际上显示了逐渐（且相当显著的）上升趋势，但不考虑季节性因素。 您完全可以拒绝此模型。
现在，让我们尝试霍特线性模型。 虽然，此模型的趋势性会比简单模型稍强，但它同样无法捕捉季节。
- 双击“时间序列”节点。 在构建选项 - 常规下，仍选择指数平滑法作为方法，选择 HoltsLinearTrend 作为模型类型。
- 单击保存并再次运行流，以重新生成模型块。 打开输出。
图 5。 霍特线性趋势模型 
霍特模型显示的上升趋势比简单模型更平滑，但它仍不考虑季节性因素，因此您也可以忽略此模型。
随着时间的推移，男装销售散点图建议您使用同时包含线性趋势和乘法季节的模型，您可以恢复最初的男装销售散点图。 因此 Winters 模型才是更适合的备选方案。
- 再次双击“时间序列”节点，以编辑其属性。
- 在构建选项 - 常规下，仍选择指数平滑法作为方法，选择 WintersMultiplicative 作为模型类型。
- 运行流程。
图 6。 温特斯乘法模型 
看起来好多了。 该模型反映了数据的趋势和季节性。 此数据集的时间跨度为 10 年，并且包含 10 个季节峰值（出现在每年十二月份）。 这 10 个峰值表示与实际数据中的 10 个年度峰值完全匹配的预测结果。
但此结果同时突出了“指数平滑法”步骤的局限性。 查看上下峰值，存在未考虑的重要结构。
如果您主要关注的是对具有季节性差异的长期趋势建模，那么指数平滑法可能是一个不错的选择。 要构建此类结构较复杂的模型，则需要考虑使用 ARIMA 步骤。