Share via


Leçon 4 : Création de prédictions de série chronologique à l'aide d'extensions DMX

 

S’applique à : SQL Server 2016 Preview

Dans cette leçon et la leçon suivante, vous allez utiliser les Extensions DMX (Data Mining) pour créer différents types de prédictions basées sur les modèles de série chronologique que vous avez créé dans leçon 1 : création d’un modèle d’exploration de données de série chronologique et la Structure d’exploration de données et leçon 2 : ajout de modèles d’exploration de données à la Structure d’exploration de données de série chronologique.

Avec un modèle de série chronologique, de nombreuses options sont à votre disposition pour élaborer des prédictions :

  • Utilisation des modèles et données existants dans le modèle d'exploration de données

  • Utilisation des modèles existants dans le modèle d'exploration de données mais fourniture de nouvelles données

  • Ajout de nouvelles données au modèle ou mise à jour du modèle

La syntaxe permettant d'effectuer ces types de prédictions est résumée ci-dessous :

Prédiction de série chronologique par défaut
Utilisez PredictTimeSeries &#40 ; DMX &#41 ; pour retourner le nombre spécifié de prédictions à partir du modèle d’exploration de données qualifié.

Par exemple, consultez PredictTimeSeries &#40 ; DMX &#41 ; ou exemples de requête de modèle de série heure.

EXTEND_MODEL_CASES
Utilisez PredictTimeSeries &#40 ; DMX &#41 ; avec l’argument EXTEND_MODEL_CASES pour ajouter de nouvelles données, étendez la série et créer des prédictions basées sur le modèle d’exploration de données mis à jour.

Ce didacticiel contient un exemple de la manière d'utiliser EXTEND_MODEL_CASES.

REPLACE_MODEL_CASES
Utilisez PredictTimeSeries &#40 ; DMX &#41 ; avec l’argument REPLACE_MODEL_CASES pour remplacer les données d’origine avec une nouvelle série de données et créez des prédictions basées sur l’application des modèles dans le modèle d’exploration de données pour la nouvelle série de données.

Pour obtenir un exemple d’utilisation de REPLACE_MODEL_CASES, consultez leçon 2 : création d’un scénario de prévision &#40 ; Intermediate Data Mining Tutorial &#41 ;.

Tâches de la leçon

Vous allez effectuer les tâches suivantes dans cette leçon :

  • créer une requête pour obtenir les prédictions par défaut basées sur des données existantes.

Au cours de la leçon suivante, vous allez effectuer les tâches connexes suivantes :

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

En plus de pouvoir créer manuellement des requêtes en utilisant des extensions DMX, vous pouvez également créer des prédictions à l'aide du Générateur de requêtes de prédiction dans Outils de données SQL Server (SSDT).

Requête de prédiction de série chronologique simple

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

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

La liste de sélection peut contenir des colonnes à partir du modèle, tel que le nom du produit en ligne que vous créez les prédictions, ou des fonctions de prédiction, tel que retard &#40 ; DMX &#41 ; ou PredictTimeSeries &#40 ; DMX &#41 ;, qui sont spécifiquement conçus pour les modèles d’exploration de données de série chronologique.

Pour créer une requête de prédiction de série chronologique simple

  1. Dans Explorateur d’objets, cliquez sur l’instance de 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 l'instruction dans la requête vide.

  3. Remplacez le code suivant :

    <select list>   
    

    par :

    [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'exploration de données qui identifie la série.

    Les deuxième et troisième lignes utilisent le PredictTimeSeries (fonction). Chaque ligne prédit un attribut différent, [Quantity] ou [Amount]. Les nombres indiqués après les noms des attributs prédictibles précisent le nombre d'étapes à prédire.

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

  4. Remplacez le code suivant :

    [<mining model>]   
    

    par :

    [Forecasting_MIXED]  
    
  5. Remplacez le code suivant :

    WHERE [criteria>]   
    

    par :

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

    L'instruction tout entière doit se présenter comme suit :

    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. Sur le fichier menu, cliquez sur Enregistrer DMXQuery1.dmx sous.

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

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

    La requête renvoie 6 prédictions pour chacune des deux combinaisons de produit et région sont spécifiés dans la clause.

Dans la leçon suivante, vous allez créer une requête qui fournit de nouvelles données au modèle, puis 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)
Lag (DMX)
Exemples de requêtes de modèle de série chronologique
Leçon 2 : Création d’un scénario de prévision &#40 ; didacticiel d’exploration de données intermédiaires &#41 ;