Condividi tramite

  • Articolo

Lezione 5: Estensione del modello Time Series

In SQL Server 2008 Enterprise è possibile aggiungere nuovi dati a un modello Time Series e incorporarli automaticamente nel modello. I nuovi dati possono essere aggiunti a un modello di data mining Time Series in uno dei due modi indicati di seguito:

  • Utilizzando PREDICTION JOIN per unire in join i dati in un'origine esterna ai dati di training.

  • Utilizzando una query di stima singleton per specificare i dati un intervallo alla volta.

Si supponga ad esempio di avere eseguito il training del modello di data mining sui dati di vendita esistenti, alcuni mesi fa. Una volta ottenuti i dati delle nuove vendite, è necessario aggiornare le stime di vendita per incorporare i nuovi dati. È possibile eseguire questa operazione in un unico passaggio, fornendo le cifre relative alle nuove vendite come dati di input e generando le nuove stime in base al set di dati composto.

Esecuzione di stime con EXTEND_MODEL_CASES

Di seguito sono riportati esempi generici di una stima basata su serie temporali che utilizza EXTEND_MODEL_CASES. Il primo esempio consente di specificare il numero di stime a partire dall'ultimo intervallo temporale del modello originale:

SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n, EXTEND_MODEL_CASES) 
FROM <mining model>
PREDICTION JOIN <source query>
[WHERE <criteria>]

Il secondo esempio consente di specificare l'intervallo temporale di inizio e di fine delle stime. Questa opzione è importante quando si estendono i case del modello poiché, per impostazione predefinita, gli intervalli temporali utilizzati per le query di stima iniziano sempre dalla fine della serie originale.

SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n-start, n-end, EXTEND_MODEL_CASES) 
FROM <mining model>
PREDICTION JOIN <source query>
[WHERE <criteria>}

In questa esercitazione verranno creati entrambi i tipi di query.

Per creare una query di stima singleton in un modello Time Series

  1. In Esplora oggetti fare clic con il pulsante destro del mouse sull'istanza di Analysis Services, scegliere Nuova query e quindi DMX.

    Verrà avviato l'editor di query con una nuova query vuota.

  2. Copiare l'esempio generico dell'istruzione singleton nella query vuota.

  3. Sostituire quanto segue:

    SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n, EXTEND_MODEL_CASES)

    con:

    SELECT [Model Region],
PredictTimeSeries([Quantity],6, EXTEND_MODEL_CASES) AS PredictQty

    La prima riga consente di recuperare il valore del modello che identifica la serie.

    La seconda riga contiene la funzione di stima, che ottiene 6 stime per Quantity. L'alias PredictQty viene assegnato alla colonna del risultato della stima per semplificare la comprensione dei risultati.

  4. Sostituire quanto segue:

    FROM <mining model>

    con:

    FROM [Forecasting_MIXED]

  5. Sostituire quanto segue:

    PREDICTION JOIN <source query>

    con:

    NATURAL PREDICTION JOIN 
(
   SELECT 1 AS [Reporting Date],
   '10' AS [Quantity],
   'M200 Europe' AS [Model Region]
   UNION SELECT
   2 AS [Reporting Date],
   15 AS [Quantity]),
   'M200 Europe' AS [Model Region]
) AS t

  6. Sostituire quanto segue:

    [WHERE <criteria>]

    con:

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

    L'istruzione completa dovrebbe risultare analoga alla seguente:

    SELECT [Model Region],
PredictTimeSeries([Quantity],6, EXTEND_MODEL_CASES) AS PredictQty
FROM
   [Forecasting_MIXED]
NATURAL PREDICTION JOIN 
(
   SELECT 1 AS [ReportingDate],
  '10' AS [Quantity],
  'M200 Europe' AS [ModelRegion]
UNION SELECT
  2 AS [ReportingDate],
  15 AS [Quantity]),
  'M200 Europe' AS [ModelRegion]
) AS t
WHERE [ModelRegion] = 'M200 Europe' OR
[ModelRegion] = 'M200 Pacific'

  7. Scegliere Salva DMXQuery1.dmx con nome dal menu File.

  8. Nella finestra di dialogo Salva con nome individuare la cartella appropriata e assegnare al file il nome Singleton_TimeSeries_Query.dmx.

  9. Fare clic sul pulsante Esegui sulla barra degli strumenti.

    La query restituirà le stime delle quantità di vendita relative alla bicicletta M200 in Europa e nell'area del Pacifico.

Informazioni sull'avvio della stima con EXTEND_MODEL_CASES

Una volta create le stime in base al modello originale e ai nuovi dati, è possibile confrontare i risultati per stabilire in che modo l'aggiornamento dei dati di vendita influisce sulle stime. Prima di eseguire questa operazione, rivedere il codice appena creato e notare quanto segue:

  • Sono stati forniti nuovi dati solo per l'Europa.

  • I nuovi dati forniti riguardano solo due mesi.

Nella tabella seguente viene illustrato come i nuovi valori forniti per il prodotto M200 Europe influiscono sulle stime. Per il prodotto M200 nell'area del Pacifico non sono stati forniti nuovi dati, tuttavia viene ugualmente eseguito il confronto tra le due serie:

Prodotto e area geografica

Modello esistente (PredictTimeSeries)

Modello con dati di vendita aggiornati (PredictTimeSeries con EXTEND_MODEL_CASES)

M200 Europe
M200 Europe7/25/2008 12:00:00 AM77
M200 Europe8/25/2008 12:00:00 AM64
M200 Europe9/25/2008 12:00:00 AM59
M200 Europe10/25/2008 12:00:00 AM56
M200 Europe11/25/2008 12:00:00 AM56
M200 Europe12/25/2008 12:00:00 AM74
M200 Europe7/25/2008 12:00:00 AM10
M200 Europe8/25/2008 12:00:00 AM15
M200 Europe9/25/2008 12:00:00 AM72
M200 Europe10/25/2008 12:00:00 AM69
M200 Europe11/25/2008 12:00:00 AM68
M200 Europe12/25/2008 12:00:00 AM89

M200 Pacific
M200 Pacific7/25/2008 12:00:00 AM41
M200 Pacific8/25/2008 12:00:00 AM44
M200 Pacific9/25/2008 12:00:00 AM38
M200 Pacific10/25/2008 12:00:00 AM41
M200 Pacific11/25/2008 12:00:00 AM36
M200 Pacific12/25/2008 12:00:00 AM39
M200 Pacific7/25/2008 12:00:00 AM41
M200 Pacific8/25/2008 12:00:00 AM44
M200 Pacific9/25/2008 12:00:00 AM38
M200 Pacific10/25/2008 12:00:00 AM41
M200 Pacific11/25/2008 12:00:00 AM36
M200 Pacific12/25/2008 12:00:00 AM39

Da questi risultati è possibile dedurre quanto segue:

  • Le prime due stime per la serie M200 Europe corrispondono esattamente ai nuovi dati forniti. In base alle caratteristiche di progettazione, Analysis Services restituisce i nuovi punti dati effettivi anziché eseguire una stima. Quando infatti si estendono i case del modello, gli intervalli temporali utilizzati per le query di stima iniziano sempre dalla fine della serie originale. Se si aggiungono pertanto due nuovi punti dati, le prime due stime restituite si sovrappongono ai nuovi dati.

  • Una volta utilizzati tutti i nuovi punti dati, Analysis Services esegue stime in base al modello aggiornato. Pertanto, a partire da settembre 2005, è possibile vedere la differenza tra le stime per la serie M200 Europe nel modello originale, nella colonna a sinistra, e nel modello che utilizza EXTEND_MODEL_CASES, nella colonna a destra. Le stime sono diverse perché il modello è stato aggiornato con i nuovi dati.

Utilizzo degli intervalli temporali di inizio e di fine per controllare le stime

Se si estende un modello, i nuovi dati vengono sempre aggiunti alla fine della serie. Per l'esecuzione delle stime, tuttavia, gli intervalli di tempo utilizzati per le query di stima iniziano alla fine della serie originale. Se si desidera ottenere solo le nuove stime quando si aggiungono i nuovi dati, è necessario specificare il punto iniziale come numero di intervalli di tempo. Per aggiungere due nuovi punti dati ed eseguire quattro nuove stime, è ad esempio necessario effettuare le seguenti operazioni:

  • Creare un'istruzione PREDICTION JOIN in un modello Time Series e specificare nuovi dati relativi a due mesi.

  • Richiedere stime per quattro intervalli di tempo, dove il punto iniziale è l'intervallo di tempo 3 e il punto finale è l'intervallo di tempo 6.

In altre parole, se i nuovi dati contengono n intervalli di tempo e si richiedono stime per gli intervalli temporali da 1 a n, le stime coincideranno con lo stesso periodo dei nuovi dati. Per ottenere nuove stime per periodi di tempo non previsti dai dati, è necessario avviare le stime nell'intervallo di tempo n+1 dopo la nuova serie dei dati oppure verificare di aver effettuato la richiesta di ulteriori intervalli di tempo.

Nota

Non è possibile eseguire stime cronologiche quando si aggiungono nuovi dati.

Nell'esempio seguente viene illustrata l'istruzione DMX che consente di ottenere solo le nuove stime per le due serie dell'esempio precedente.

SELECT [Model Region],
PredictTimeSeries([Quantity],3,6, EXTEND_MODEL_CASES) AS PredictQty
FROM
   [Forecasting_MIXED]
NATURAL PREDICTION JOIN 
(
   SELECT 1 AS [ReportingDate],
  '10' AS [Quantity],
  'M200 Europe' AS [ModelRegion]
UNION SELECT
  2 AS [ReportingDate],
  15 AS [Quantity]),
  'M200 Europe' AS [ModelRegion]
) AS t
WHERE [ModelRegion] = 'M200 Europe'

I risultati della stima iniziano dall'intervallo di tempo 3, che è successivo ai 2 mesi dei nuovi dati forniti.

Prodotto e area geografica

Modello con dati aggiornati (PredictTimeSeries con EXTEND_MODEL_CASES)

M200 Europe
M200 Europe9/25/2008 12:00:00 AM72
M200 Europe10/25/2008 12:00:00 AM69
M200 Europe11/25/2008 12:00:00 AM68
M200 Europe12/25/2008 12:00:00 AM89

Esecuzione di stime con REPLACE_MODEL_CASES

La sostituzione dei case del modello risulta utile qualora si desideri eseguire il training per un modello in un case set, quindi applicare il modello a una serie di dati diversa. Una procedura dettagliata di questo scenario viene illustrata in Lezione 2: Compilazione di uno scenario di previsione (Esercitazione intermedia sul data mining).