Durchsuchen eines Modells mit Microsoft Time Series-Viewer
Der Microsoft Time Series-Viewer in Microsoft SQL Server Analysis Services zeigt Miningmodelle an, die mit dem Microsoft Time Series-Algorithmus erstellt wurden. Der Microsoft Time Series-Algorithmus ist ein Regressionsalgorithmus, der Data Mining-Modellen zur Vorhersage von kontinuierlichen Spalten, wie z. B. Umsatzzahlen, in Forecastingszenarien erstellt. Diese Zeitreihenmodelle können Informationen auf der Grundlage verschiedener Algorithmen enthalten:
Dem ARTxp-Algorithmus, der für die kurzfristige Vorhersage optimiert ist
Dem ARIMA-Algorithmus, der für die langfristige Vorhersage optimiert ist
Einer Mischung aus ARTxp- und ARIMA-Algorithmus
Weitere Informationen zu diesen Algorithmen finden Sie unter Microsoft Time Series-Algorithmus und Technische Referenz für den Microsoft Time Series-Algorithmus.
Hinweis |
---|
Wenn Sie detaillierte Informationen über die im Modell verwendeten Formeln und die entdeckten Muster sehen möchten, verwenden Sie den Microsoft Generic Content Tree-Viewer. Weitere Informationen finden Sie unter Durchsuchen eines Modells mit dem Microsoft Generic Content Tree Viewer oder Microsoft Generic Content Tree Viewer (Data Mining). |
Viewer-Registerkarten
Wenn Sie ein Miningmodell in Analysis Services durchsuchen, wird das Modell im Data Mining-Designer auf der Registerkarte Miningmodell-Viewer mit dem jeweils geeigneten Viewer für das Modell angezeigt. Der Microsoft Time Series-Viewer enthält die folgenden Registerkarten:
Modell
Diagramme
Hinweis Die für den Modellinhalt und in der Mininglegende angezeigten Informationen hängen von dem Algorithmus ab, den das Modell verwendet. Die Registerkarten Modell und Diagramme bleiben jedoch unabhängig von der Algorithmusmischung unverändert.
Modell
Wenn Sie ein Zeitreihenmodell erstellen, stellt Analysis Services das abgeschlossene Modell als Baumstruktur dar. Wenn die Daten mehrere Fallreihen enthalten, erstellt Analysis Services eine separate Baumstruktur für jede Reihe. Beispiel: Sie erstellen Umsatzprognosen für die Regionen Pazifik, Nordamerika und Europa. Die Vorhersagen für jede dieser Regionen sind Fallreihen. Analysis Services erstellt eine separate Struktur für jede von dieser Reihe. Zum Anzeigen einer bestimmten Reihe wählen Sie die Reihe aus der Liste Struktur aus.
Das Zeitreihenmodell enthält für jede Struktur den Knoten Alle und wird dann in eine Reihe von Knoten unterteilt, die periodische Strukturen darstellen, die vom Algorithmus erkannt wurden. Sie können auf jeden Knoten klicken, um Statistiken anzuzeigen, z. B. die Anzahl der Fälle und die Gleichung.
Wenn Sie das Modell nur mit ARTxp erstellt haben, enthält die Mininglegende für den Stammknoten nur die Gesamtanzahl der Fälle. Für alle anderen Knoten enthält die Mininglegende ausführlichere Informationen über die Strukturaufteilung: Beispielsweise wird die Gleichung für den Knoten und die Anzahl der Fälle angezeigt. Die Regel in der Legende enthält Informationen, die die Reihe identifizieren, und die Zeitscheibe, für die die Regel gilt. Der Legendentext M200 Europe Amount -2 gibt an, dass der Knoten das Modell für die Datenreihe M200 Europe zu einem Zeitpunkt zwei Zeitscheiben zuvor darstellt.
Wenn Sie das Modell nur mit ARIMA erstellt haben, enthält die Registerkarte Modell einen einzigen Knoten mit der Beschriftung Alle. Die Mininglegende für den Stammknoten enthält die ARIMA-Gleichung.
Wenn Sie ein gemischtes Modell erstellt haben, enthält der Stammknoten nur die Anzahl der Fälle und die ARIMA-Gleichung. Nach dem Stammknoten wird die Struktur in separate Knoten für jede periodische Struktur unterteilt. Für alle anderen Knoten enthält die Mininglegende für den Stammknoten den ARTxp- und den ARIMA-Algorithmus, die Gleichung für den Knoten und die Anzahl der Fälle im Knoten. Die ARTxp-Gleichung wird zuerst aufgelistet und wird als Strukturknotengleichung beschriftet. Darauf folgt die ARIMA-Gleichung. Weitere Informationen zum Interpretieren dieser Informationen finden Sie unter Technische Referenz für den Microsoft Time Series-Algorithmus.
Im Allgemeinen zeigt das Entscheidungsstrukturdiagramm die wichtigste Teilung, den Knoten Alle, links vom Viewer an. In Entscheidungsstrukturen ist die Teilung nach dem Knoten Alle die wichtigste Teilung, da sie die Bedingung enthält, die die Fälle in den Trainingsdaten mit der stärksten Gewichtung teilt. In einem Zeitreihenmodell gibt die Hauptverzweigung den wahrscheinlichsten saisonbedingten Zyklus an. Teilungen nach dem Knoten Alle werden auf der rechten Seite der Verzweigung angezeigt.
Sie können einzelne Knoten in der Struktur erweitern oder reduzieren, um die nach jedem Knoten vorkommenden Teilungen anzuzeigen bzw. auszublenden. Sie können auch mithilfe der Optionen auf der Registerkarte Entscheidungsstruktur Einfluss darauf nehmen, wie die Struktur angezeigt wird. Mit dem Schieberegler Ebene anzeigen wird die Anzahl von in der Struktur gezeigten Ebenen angepasst. Mit Standarderweiterung wird die Standardzahl der für alle Strukturen im Modell angezeigten Ebenen festgelegt.
Die Schattierung der Hintergrundfarbe der einzelnen Knoten weist auf die Anzahl der Fälle hin, die im jeweiligen Knoten vorhanden sind. Die genaue Anzahl von Fällen in einem Knoten können Sie feststellen, indem Sie den Mauszeiger auf den Knoten richten, um einen InfoTipp zu dem Knoten anzuzeigen.
Zurück zum Anfang
Diagramme
Die Registerkarte Diagramme zeigt ein Diagramm an, in dem das Verhalten des vorhergesagten Attributs im Lauf der Zeit sowie fünf vorhergesagte zukünftige Werte dargestellt sind. Die vertikale Achse des Diagramms stellt die Werte der Zeitreihe dar, und die horizontale Achse stellt die Zeit dar.
Hinweis |
---|
Die Zeitscheiben auf der Zeitachse richten sich nach den in den Daten verwendeten Einheiten: Sie können Tage, Monate oder auch Sekunden darstellen. |
Mithilfe der Schaltfläche Abs können Sie zwischen absoluten und relativen Kurven hin- und herschalten. Falls Ihr Diagramm mehrere Modelle enthält, kann sich die Skalierung der Daten jedes einzelnen Modells erheblich unterscheiden. Wenn Sie eine absolute Kurve verwenden, kann ein Modell als flache Linie angezeigt werden, wohingegen ein anderes Modell erhebliche Änderungen aufweist. Dies ist der Fall, da die Skalierung eines Modells größer ist als die Skalierung des anderen Modells. Durch den Wechsel zu einer relativen Kurve ändern Sie den Maßstab so, dass der Änderungsprozentsatz anstelle absoluter Werte angezeigt wird. Dies vereinfacht den Vergleich von Modellen, die auf verschiedenen Maßstäben basieren.
Wenn das Miningmodell mehrere Zeitreihen enthält, können Sie eine oder mehrere Reihen für die Anzeige im Diagramm auswählen. Klicken Sie auf die Liste auf der rechten Seite des Viewers, und wählen Sie die gewünschte Reihe aus der Liste aus. Wenn das Diagramm zu komplex wird, können Sie die angezeigten Reihen filtern, indem Sie die Kontrollkästchen für die Reihen in der Legende aktivieren oder deaktivieren.
Im Diagramm werden Vergangenheits- und Zukunftsdaten angezeigt. Die Zukunftsdaten sind schattiert dargestellt, um sie von den Vergangenheitsdaten abzugrenzen. Die Datenwerte werden für Vergangenheitsdaten als durchgezogene Linien und für Vorhersagen als gepunktete Linien angezeigt. Sie können die Farbe der Linien ändern, die für die jeweiligen Serien verwendet werden, indem Sie die entsprechenden Eigenschaften in SQL Server-Datentools (SSDT) oder SQL Server Management Studio festlegen. Weitere Informationen finden Sie unter Ändern der im Data Mining-Viewer verwendeten Farben.
Den angezeigten Zeitbereich können Sie mithilfe der Zoomoptionen anpassen. Sie können auch einen bestimmten Zeitbereich anzeigen, indem Sie auf das Diagramm klicken, eine Zeitauswahl über das Diagramm ziehen und dann durch erneutes Klicken den ausgewählten Bereich vergrößern.
Mithilfe von Vorhersageschritte können Sie auswählen, wie viele zukünftige Zeitschritte Sie in dem Modell anzeigen möchten. Mit dem Kontrollkästchen Abweichungen anzeigen werden Fehlerbalken hinzugefügt, denen Sie entnehmen können, wie genau der vorhergesagte Wert ist.
Zurück zum Anfang
Siehe auch
Konzepte
Microsoft Time Series-Algorithmus
Abfragebeispiel Zeitreihenmodell