Leçon 4 : Création de prédictions de série chronologique à l’aide de DMX

Dans cette leçon et la leçon suivante, vous allez utiliser les extensions d’exploration de données (DMX) pour créer différents types de prédictions en fonction des modèles de série chronologique que vous avez créés dans la leçon 1 : Création d’un modèle d’exploration de données et d’une structure d’exploration de données de série chronologique et leçon 2 : Ajout de modèles d’exploration de données à la structure d’exploration de données Time Series.

Avec un modèle de série chronologique, vous avez de nombreuses options pour effectuer des prédictions :

• Utiliser les modèles et les données existants dans le modèle d’exploration de données

• Utiliser les modèles existants dans le modèle d’exploration de données, mais fournir de nouvelles données

• Ajoutez de nouvelles données au modèle ou mettez à jour le modèle.

La syntaxe permettant d’effectuer ces types de prédiction est résumée ci-dessous :

Prédiction de série chronologique par défaut
Utilisez PredictTimeSeries (DMX) pour retourner le nombre spécifié de prédictions à partir du modèle d'exploration de données formé.

Par exemple, consultez PredictTimeSeries (DMX) ou Des exemples de requête de modèle de série chronologique.

ÉTENDRE_CAS_MODÈLE
Utilisez PredictTimeSeries (DMX) avec l’argument EXTEND_MODEL_CASES pour ajouter de nouvelles données, étendre la série et créer des prédictions basées sur le modèle d’exploration de données mis à jour.

Ce didacticiel contient un exemple d’utilisation de EXTEND_MODEL_CASES.

REMPLACER_CAS_DE_MODÈLE
Utilisez PredictTimeSeries (DMX) avec l’argument REPLACE_MODEL_CASES pour remplacer les données d’origine par une nouvelle série de données, puis créez des prédictions en fonction de l’application des modèles dans le modèle d’exploration de données à la nouvelle série de données.

Pour obtenir un exemple d’utilisation de REPLACE_MODEL_CASES, consultez la leçon 2 : Création d’un scénario de prévision (didacticiel sur l’exploration de données intermédiaire).

Tâches de la leçon

Vous allez effectuer les tâches suivantes dans cette leçon :

• Créez une requête pour obtenir les prédictions par défaut en fonction des données existantes.

Dans la leçon suivante, vous allez effectuer les tâches associées suivantes :

• Créez une requête pour fournir de nouvelles données et obtenir des prédictions mises à jour.

Outre la création manuelle de requêtes à l’aide de DMX, vous pouvez également créer des prédictions à l’aide du générateur de requêtes de prédiction dans SQL Server Data Tools (SSDT).

Requête de prédiction de série chronologique simple

La première étape consiste à utiliser l’instruction SELECT FROM avec la PredictTimeSeries fonction pour créer des prédictions de série chronologique. Les modèles de série chronologique prennent en charge une syntaxe simplifiée pour la création de prédictions : vous n’avez pas besoin de fournir d’entrées, mais uniquement de spécifier le nombre de prédictions à créer. Voici un exemple générique de l’instruction que vous allez utiliser :

SELECT <select list>   
FROM [<mining model name>]   
WHERE [<criteria>]  

La liste de sélection peut contenir des colonnes à partir du modèle, telles que le nom de la ligne de produit pour laquelle vous créez les prédictions ou les fonctions de prédiction, telles que Lag (DMX) ou PredictTimeSeries (DMX), qui sont spécifiquement destinées aux modèles d’exploration de données de série chronologique.

Pour créer une requête de prédiction de série chronologique simple

1. Dans l’Explorateur d’objets, cliquez avec le bouton droit sur l’instance d’Analysis Services, pointez sur Nouvelle requête, puis cliquez sur DMX.

   L’Éditeur de requête s’ouvre et contient une nouvelle requête vide.

2. Copiez l’exemple générique de la déclaration dans la requête vide.

3. Remplacez ce qui suit :

   <select list>   
   

   avec :

   [Forecasting_MIXED].[ModelRegion],  
   PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,  
   PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt  
   

   La première ligne extrait une valeur du modèle d'analyse de données qui identifie la série.

   Les deuxième et troisième lignes utilisent la PredictTimeSeries fonction. Chaque ligne prédit un attribut différent, [Quantity] ou [Amount]. Les nombres après les noms des attributs prédictibles spécifient le nombre d’étapes de temps à prédire.

   La AS clause est utilisée pour fournir un nom pour la colonne retournée par chaque fonction de prédiction. Si vous ne fournissez pas d’alias, par défaut, les deux colonnes sont retournées avec l’étiquette. Expression

4. Remplacez ce qui suit :

   [<mining model>]   
   

   avec :

   [Forecasting_MIXED]  
   

5. Remplacez ce qui suit :

   WHERE [criteria>]   
   

   avec :

   WHERE [ModelRegion] = 'M200 Europe' OR  
   [ModelRegion] = 'M200 Pacific'  
   

   L’instruction complète doit maintenant être la suivante :

   SELECT  
   [Forecasting_MIXED].[ModelRegion],  
   PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,  
   PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt  
   FROM   
   [Forecasting_MIXED]  
   WHERE [ModelRegion] = 'M200 Europe' OR  
   [ModelRegion] = 'M200 Pacific'  
   

6. Dans le menu Fichier , cliquez sur Enregistrer DMXQuery1.dmx As.

7. Dans la boîte de dialogue Enregistrer sous, accédez au dossier approprié et nommez le fichier SimpleTimeSeriesPrediction.dmx.

8. Dans la barre d’outils, cliquez sur le bouton Exécuter .

   La requête retourne 6 prédictions pour chacune des deux combinaisons de produit et de région spécifiées dans la WHERE clause.

Dans la leçon suivante, vous allez créer une requête qui fournit de nouvelles données au modèle et comparer les résultats de cette prédiction avec celle que vous venez de créer.

Tâche suivante de la leçon

Leçon 5 : Extension du modèle de série chronologique

Voir aussi

PredictTimeSeries (DMX)
Décalage (DMX)
Exemples de requêtes de modèle de série chronologique
Leçon 2 : Création d’un scénario de prévision (didacticiel sur l’exploration de données intermédiaire)