Доступ к непространственному анализу можно получить через кнопку Действие 
на карточке карты, диаграммы или таблицы.
Непространственный анализ не использует кредиты.
В таблице ниже приведен обзор каждой из возможностей непространственного анализа:
| Аналитическая функция | Описание | Примеры вопросов |
|---|---|---|
Вычислить отношение использует уравнение простого деления для определения взаимосвязи между двумя числовыми переменными. Входные данные: Два числовых поля или поля доли/отношения | Как связаны данные? Как показатели ожирения отличаются для жителей города и деревни? | |
Вычислить % изменения использует начальные и конечные значения для расчета изменения с течением времени. Входные данные: Два числовых поля или поля доли/отношения | Как изменились данные? Каков процент потерь или прибыли для каждого товара? | |
Вычислить z-оценки возвращает значения z-оценки для каждого объекта в наборе данных на основе выбранного поля. Z-оценка - это мера удаленности каждого значения от среднего, используя стандартное отклонение. Входные данные: Одно числовое поле | Как распределены данные? Как уровень преступности в определенном районе соотносится со средним уровнем преступности? | |
Построить модель регрессии используется для моделирования отношений между двумя или несколькими независимыми переменными с одной стороны и зависимой переменной реакции – с другой путем подгонки линейного уравнения к наблюдаемым данным. Входные данные:
| Как связаны данные? Какие переменные оказывают наибольшее влияние на общий объем продаж в каждом магазине? | |
Переменная прогнозирования использует линейную модель, созданную с помощью регрессионного анализа, для прогнозирования новых значений в наборе данных. Входные данные: Одна модель регрессии | Как связаны данные? Каковы ожидаемые уровни выбросов углерода с учетом существующих тенденций использования транспортных средств, расходования возобновляемых источников энергии и экономического роста? | |
Функция Найти кластеры K-средних классифицирует ваши данные по группам или кластерам, которые максимизируют сходство внутри каждого кластера и максимизируют разницу между кластерами. Примечание:Найти кластеры K-средних можно использовать для создания кластеров на основе местоположения (пространственный анализ) или значений атрибутов (непространственный анализ). Входные данные: Одно или несколько числовых полей | Как распределены данные? Как кластеризуются клиенты по уровню дохода? Как университеты и колледжи кластеризуются по цене обучения? |
Что дальше
Изучите следующие ресурсы, чтобы узнать больше об анализе: