model wyszukiwania Zawartości dla czasu seria modele (Analysis Services — wyszukiwanie danych)
Wszystkie modele wyszukiwania umożliwia taką samą strukturę przechowywania ich zawartości.Ta struktura jest zdefiniowana zgodnie z zestawu zestaw wierszy zawartości schematu wyszukiwanie danych.Jednak w tym standardowych strukturze, węzłów, które zawierają informacje są rozmieszczone w różny sposób, aby przedstawić różnego rodzaju drzew.W tym temacie opisano, jak zorganizowane są węzłami i jakie każdy węzeł oznacza dla modeli wyszukiwania, które są oparte na Microsoft Algorytm seria czas.
Aby uzyskać informacje ogólne model wyszukiwania zawartości, która ma zastosowanie do wszystkich typów modeli zobacz Mining Model Content (Analysis Services - Data Mining).
Podczas przeglądania w tym temacie, może okazać się, że przydatne następujące wzdłuż przeglądając zawartość modelu czas serii.Korzystanie z samouczka podstawowego wyszukiwanie danych można utworzyć modelu czas serii.Model, tworzonych w samouczku jest mieszane modelu, który przygotowuje danych przy użyciu algorytmów ARIMA i ARTxp.Aby uzyskać więcej informacji zobaczTworzenie struktury prognozowania i modelu (zaawansowany samouczek wyszukiwanie danych).Aby uzyskać informacje na temat wyświetlania zawartości model wyszukiwania, zobacz Wyświetlanie modelu wyszukiwanie danych.
Opis struktury modelu czas serii
Czas modelu serii ma jeden nadrzędnym, reprezentującą modelu i jej metadane.Pod tym węzeł nadrzędny są jeden lub dwa czas drzewa serii, w zależności od algorytmu, który został użyty do utworzenia modelu.
Jeśli tworzysz model mieszanych dwóch oddzielnych drzew są dodawane do modelu, jeden dla ARIMA i jedną dla ARTxp.Jeśli chcesz używać jedynie algorytmu ARTxp lub tylko algorytm ARIMA, będziesz mieć jedno drzewo odpowiadający tego algorytmu.Określa algorytm, który ma być używany przez ustawienie parametru FORECAST_METHOD.Aby uzyskać więcej informacji o tym, czy używać ARTxp ARIMA lub model mieszanych, zobacz Microsoft Time Series Algorithm.
.gif "Structure of model content for time series models")
Przykład model wyszukiwanie danych serii czas, który został utworzony z domyślnymi ustawieniami, pozwala utworzyć model mieszane, jest wyświetlana na diagramie.Tak, aby łatwiej można porównać różnice między dwoma modelami, w tym miejscu modelu ARTxp jest wyświetlany po lewej stronie diagramu i modelu ARIMA jest wyświetlany po prawej stronie diagramu.ARTxp jest struktura drzewa, która dzieli na mniejsze i mniejszych oddziałów, utworzony przez algorytm ARIMA struktura jest więcej, podobnie jak ostrosłupowy, wbudowane w górę od mniejszych składników.
Jeśli przeglądasz mieszanych modelu przy użyciu programu Microsoft rodzajowy model zawartości drzewa przeglądarki węzłów w modelach ARTxp i ARIMA są wszystkie przedstawione jako węzły podrzędność modelu nadrzędnego czas serii.W widoku rodzajowy mieszanych modelu pierwszy zestaw węzłów jest oznaczona etykietą (wszystkie) i reprezentują wyniki analizy przez algorytm ARTxp.Drugi zestaw węzłów jest oznaczona etykietą ARIMA i reprezentują wyniki analizy przez algorytm ARIMA.
Ważnym punktem do zapamiętania jest, że informacje są zorganizowane w ramach drzewa ARIMA i ARTxp całkowicie różne sposoby, należy rozważyć dwa drzewa jako powiązane tylko na węzła głównego.Mimo, że dwa reprezentacje są przedstawione w jednym modelu dla wygody, powinny być traktowane jako dwa modele niezależnych.ARTxp reprezentuje rzeczywisty identyfikator drzewa, ale nie obsługuje ARIMA.
Uwaga
Nazwa (wszystkie) w drzewie ARTxp jest zachowywana w celu zapewnienia zgodności z poprzednimi wersjami.Przed do programu SQL Server 2008 jeden algorytm używany algorytm seria czas do analizy, algorytm ARTxp.
Struktura modelu ARTxp
Algorytm ARTxp tworzy model podobne do modelu drzewa decyzji.Grupy atrybutów przewidywalny i dzieli je za każdym razem, gdy występują znaczne różnice.Dlatego każdego modelu ARTXp zawiera oddzielne oddziału dla każdego atrybut przewidywalne.Na przykład samouczek podstawowego wyszukiwanie danych tworzy model, który przewiduje kwotę sprzedaży dla kilku regionów.W takim przypadek [Ilość] jest atrybut przewidywalny i oddzielne gałąź jest tworzony dla każdego region.Jeśli użytkownik ma dwa atrybuty przewidywalny, [Ilość] and [Ilość], czy można utworzyć oddzielne oddziału dla każdej kombinacji atrybut i region.
Węzeł najwyższego poziomu dla oddziału ARTxp zawiera te same informacje, które znajduje się w węźle katalog główny drzewo decyzyjne.Obejmuje to liczba dzieci dla tego węzła (CHILDREN_CARDINALITY), liczba przypadków, które spełniają warunki tego węzła (NODE_SUPPORT) oraz różne statystyki opisowe (NODE_DISTRIBUTION).
Jeśli węzeł nie ma żadnych elementów podrzędnych, oznacza to, że znaleziono nie istotnych warunków, czy uzasadnia podział w przypadkach na dalsze podgrup.Oddział kończy się na tym etapie i węzeł jest określane jako węzeł liść.węzeł liść Zawiera atrybuty, współczynniki i wartości, które są blokami konstrukcyjnymi ARTxp formuły.
Niektóre gałęzie mogą mieć dodatkowe podziały, podobne do modelu drzewa decyzji.Na przykład gałęzi drzewa, który przedstawia sprzedaż dla region Europy dzieli się na dwie gałęzie.Podział występuje, gdy istnieje warunek, która powoduje znaczny różnych między dwie grupy.Węzeł nadrzędny wskazuje nazwę atrybut, który spowodował podział, takich jak [kwota], a liczbie spraw w węzła nadrzędnego.Węzły liść zawierają więcej szczegółów: wartość atrybut, takie jak sprzedaż > 10 000 a Sprzedaż < 10 000), liczba przypadków, które obsługują każdy z nich, a formuła ARTxp.
Uwaga
Jeśli chcesz wyświetlić formuły, można znaleźć pełną regresja formuły poziom liść węzła, ale nie w pośredni lub węzła głównego.
Struktura modelu ARIMA
Dla każdej kombinacji serię danych (np. [Region]) i przewidywalny atrybut (takie jak [Kwota sprzedaży]) nie ma jednego fragmentu informacji — równanie, które w tym artykule opisano zmianę atrybut przewidywalne nad czas.
Podstawowe równanie dla każdej serii jest pochodną wielu składników, jeden dla każdej struktury okresowe, który został znaleziony w danych.Na przykład, jeśli dane sprzedaży, które są gromadzone w okresach miesięcznych, mogą algorytm wykrywać miesięcznych, kwartalne lub roczne okresowej struktury.
Algorytm wyprowadza oddzielny zestaw nadrzędne i podrzędność węzły dla każdego okresowości znajdzie.Okresowość domyślną jest 1, część jeden raz i jest automatycznie dodawany do wszystkich modeli.Można określić możliwych struktur okresowe, wprowadzając wielu wartości w parametrze PERIODICITY_HINT.Jednak jeśli algorytm nie wykryje okresowej struktury, nie będzie on wyjścia wyniki dla tego wskazówki.
Każde okresowe strukturę, która jest wyjściowy w modelu zawartości zawiera następujące węzły składnika: węzeł odpowiadający kolejność autoregressive (AR), a węzeł odpowiadający Średnia ruchoma (MA).The difference order is represented in the equation.Aby uzyskać informacje o znaczeniu tych pojęć zobacz Microsoft Time Series Algorithm.
Model zawartości czas serii
W tej części podano szczegółowe i przykłady tylko dla tych kolumn w modelu zawartości wyszukiwania, które mają szczególne znaczenie w przypadku modeli serii czas.
Aby uzyskać informacje dotyczące ogólnego przeznaczenia kolumn w zestawie zestaw wierszy schematu, takie jak MODEL_CATALOG i MODEL_NAME, lub objaśnienia model wyszukiwania terminologii zobacz Mining Model Content (Analysis Services - Data Mining).
MODEL_CATALOG
Nazwa bazy danych, w której przechowywane są w modelu.NAZWA_MODELU
Nazwa modelu.ATTRIBUTE_NAME
Atrybut przewidywalne dla serii danych, w węźle.(Tę samą wartość jak MSOLAP_MODEL_COLUMN.)NAZWA_WĘZŁA
Nazwa węzła.Obecnie ta kolumna zawiera taką samą wartość jak NODE_UNIQUE_NAME, chociaż może to zmianie w przyszłych wersjach sterownika.NODE_UNIQUE_NAME
Unikatowa nazwa węzła.Zawsze nosi nazwę węzła nadrzędnego modelu TS.ARTxp: Każdy węzeł jest przedstawiany za pomocą usług TERMINALOWYCH, a po nim szesnastkowe wartości liczbowe.Na przykład ARTxp węzły bezpośrednio pod drzewa usług TERMINALOWYCH może być numerowane TS0000000b TS00000001.Kolejność węzłów jest ważne.
ARIMA: Każdy węzeł w drzewie ARIMA jest reprezentowany przez TA następuje szesnastkowe wartości liczbowe.Węzły podrzędność zawierają unikatową nazwę węzła nadrzędnego, a po nim inny numer szesnastkowy wskazujący sekwencji w ramach węzła.
Struktura wszystkich drzew ARIMA dokładnie takie same.Każdy główny zawiera węzły i konwencja nazewnictwa exemplified w następującej tabela:
Identyfikator węzła ARIMA i typ
Przykład nazwy węzłów
Katalog główny ARIMA (27)
TA0000000b
ARIMA struktura — okresowo (28)
TA0000000b00000000
Automatyczne ARIMA regresywnej (29)
TA0000000b000000000
ARIMA przenoszenie średnia (30)
TA0000000b000000001
NODE_TYPE
Model serii czas wyświetla następujące typy węzłów, w zależności od algorytmu.ARTxp:
ID typu węzła
Description
1 (Model)
Szeregu czasowego
3 (Wewnętrzne)
Reprezentuje wewnętrzne oddziału w ramach drzewa programu ARTxp czas serii.
16 (Czas serii drzewo)
Drzewo główny ARTxp odpowiadający atrybut przewidywalny i serii.
15 (czas serii)
Węzeł liść w drzewie ARTxp.
ARIMA:
ID typu węzła
Description
27 (ARIMA główny)
Węzeł najwyższego poziomu drzewa ARIMA programu.
28 (ARIMA okresowe struktura)
Składnik do drzewa ARIMA opisujący pojedynczy struktury okresowych.
29 (ARIMA Autoregressive)
Zawiera współczynnik dla jednej struktury okresowych.
30 (Średnia ruchoma ARIMA)
Zawiera współczynnik dla jednej struktury okresowych.
NODE_CAPTION
Etykietą lub opisem, który jest skojarzony z węzłem.Ta właściwość jest głównie w celach wyświetlania.ARTxp: Zawiera warunek podziału dla węzła, wyświetlane w postaci kombinacji atrybut i wartości zakres.
ARIMA: Zawiera skróconej formy ARIMA równania.
Aby uzyskać informacje o formacie równania ARIMA zobacz Legenda wyszukiwania dla ARIMA.
CHILDREN_CARDINALITY
Liczba bezpośrednich elementów podrzędnych, który węzeł ma.PARENT_UNIQUE_NAME
Unikatowa nazwa węzła nadrzędnego.Dla wszystkich węzłów poziom katalogu głównego, zwracana jest wartość NULL.NODE_DESCRIPTION
Opis w tekście reguły, podziały lub formuły w bieżącym węźle.ARTxp: Aby uzyskać więcej informacji zobacz temat Opis drzewa ARTxp.
ARIMA: Aby uzyskać więcej informacji zobacz temat Opis drzewa ARIMA.
NODE_RULE
Opis XML z reguł, podziały lub formuły w bieżącym węźle.ARTxp: NODE_RULE zazwyczaj odpowiada NODE_CAPTION.
ARIMA: Aby uzyskać więcej informacji zobacz temat Opis drzewa ARIMA.
MARGINAL_RULE
Opis XML z podzielonego lub zawartość, która jest specyficzna dla danego węzła.ARTxp: MARGINAL_RULE zazwyczaj odpowiada NODE_DESCRIPTION.
ARIMA: Zawsze pusta; zamiast niego użyj NODE_RULE.
NODE_PROBABILITY
ARTxp: Dla węzłów drzewa jest zawsze 1.Dla liść węzłów, prawdopodobieństwo osiągnięcia węzła z węzła głównego modelu.ARIMA: Zawsze 0.
MARGINAL_PROBABILITY
ARTxp: Dla węzłów drzewa jest zawsze 1.Dla prawdopodobieństwa węzła z węzła nadrzędnego natychmiastowe osiągnięcie węzłów liściowych.ARIMA: Zawsze 0.
NODE_DISTRIBUTION
Tabela zawierająca histogramu prawdopodobieństwo węzła.W czas model serii, to zagnieżdżona tabela zawiera wszystkie składniki wymagane do łączenia formuły rzeczywiste regresja.Aby uzyskać więcej informacji o tabela rozkładu węzeł w drzewie ARTxp zobacz Opis drzewa ARTxp.
Aby uzyskać więcej informacji o tabela rozkładu węzeł w drzewie ARIMA zobacz Opis drzewa ARIMA.
Jeśli chcesz wyświetlić wszystkie stałe i inne składniki, które składają się na czytelny format, należy użyć Podgląd seria czas, kliknij węzeł, a następnie otwórz Legenda wyszukiwania.
NODE_SUPPORT
Liczba przypadków, które obsługują ten węzeł.ARTxp: Dla (Wszystkie) , węzeł, wskazuje całkowitą liczbę wycinków czas uwzględniony w gałęzi.Dla terminalu węzłów wskazuje liczbę wycinków czas, które znajdują się w zakresie, który jest opisany przez NODE_CAPTION.Ilość czas plasterki w węzłach terminali zawsze sumy wartości NODE_SUPPORT oddziału (Wszystkie) węzła.
ARIMA: Liczba przypadków, obsługujących bieżącej struktury okresowych.Wartość dla pomocy technicznej zostanie skopiowany do wszystkich węzłów bieżącej struktury okresowych.
MSOLAP_MODEL_COLUMN
Atrybut przewidywalne dla serii danych, w węźle.(Tę samą wartość jak ATTRIBUTE_NAME.)MSOLAP_NODE_SCORE
Wartość liczbowa, która charakteryzuje wartości informacji drzewa lub podziału.ARTxp: Wartość jest zawsze 0,0 dla węzłów bez podziału.Dla węzłów o podział stanowi wynik interestingness podziału.
Aby uzyskać więcej informacji na temat metod tworzenia wyników Zobacz Zaznaczenie funkcji w wyszukiwanie danych.
ARIMA: Ocena Bayesian kryterium Information (BIC) modelu ARIMA.Ten sam wynik jest ustawiony na wszystkich węzłach ARIMA związane z równania.
MSOLAP_NODE_SHORT_CAPTION
ARTxp: Te same informacje, jak NODE_DESCRIPTION.ARIMA: Te same informacje, jak NODE_CAPTION: to znaczy skróconej formy ARIMA równania.
Opis drzewa ARTxp
Model ARTxp oddziela wyraźnie obszary danych, które są liniowe z obszaru danych, które są podzielone na kilka innych współczynnik.Gdy zmiany w dający się przewidzieć atrybut może być bezpośrednio reprezentowana jako funkcja ze zmiennych niezależnych, formuła regresja jest obliczana do reprezentowania tej relacji.Na przykład, jeśli nie ma bezpośredniej korelacji między czas i sprzedaży dla większości serii danych, każdej serii będzie znajdować się w drzewie serii czas (NODE_TYPE = 16), zawiera węzły podrzędność, nie dla każdej serii danych, równanie regresja.Jednak jeśli relacja nie jest liniowy, drzewem ARTxp czas serii można podzielić na warunkach na węzły podrzędność, tak samo, jak model drzewo decyzyjne.Przeglądając zawartość modelu Podgląd zawartości drzewa rodzajowa firmy Microsoft można zobaczyć miejsca występowania podziały i jak wpływa na linii trend.
Na przykład przejrzeć czas utworzone w modelu serii Podstawowe wyszukiwanie danych — samouczek.Ten model z firmy Adventure Works, nie jest oparty na złożonych danych.Dlatego nie ma wiele podziałów w drzewie ARTxp.Jednak nawet w tym modelu stosunkowo proste przedstawia trzy różne rodzaje podziałów:
Linia trend kwota dla region Pacyfiku dzieli się na czas klucz.Dzielenie na czas A klucz oznacza, że jest zmiana trend w niektórych punkcie w czasie.Liniowe z niektórych punktu był linii trend i przyjmowana inny kształt krzywej.Na przykład, jedna seria czas może być kontynuowane do 6 sierpnia 2002 i innym szeregu czasowego jest uruchamiana po, data.
Linia trend kwota dla region Ameryki Północnej dzieli się na innej zmiennej.W takim przypadek trend dla Ameryki Północnej dzieli na podstawie wartości dla tego samego modelu w regionie Europa.Innymi słowy Algorytm wykrył, że gdy wartość dla Europy, wartość dla Ameryki Północnej, A także zmienia się.
Linii trend dla Europy region dzieli się na siebie.
Co oznacza każdego średniej podziału?Interpretowanie informacje przekazywane przez model zawartości jest sztuki wymagającej głębokie zrozumienie danych i ich znaczenie w kontekście działalności.
Widoczne łącze między trendów dla Ameryki Północnej i Europy regionów mogą wyznaczać tylko czy serie danych w Europie ma więcej entropii, co powoduje, że trend dla Ameryki Północnej wyświetlany słabsze.Lub, może być nie znaczne różnice w punktacji dla dwóch a korelacja może być przypadkowo, oparte na obliczanie Europa przed przetwarzania danych w Ameryce Północnej, po prostu.Można jednak może chcesz przejrzeć dane i upewnij się, czy korelacji ma wartość false lub zbadać, czy innych czynnikiem może być zaangażowany.
Podział na kluczu czas oznacza, że istnieje statystycznie istotne zmiany w gradiencie wiersza.Przyczyną może być matematycznych czynników, takich jak pomoc techniczna dla każdego zakres lub obliczenia entropii wymaganych do podziału.W ten sposób podziału to może nie być interesujące z punktu widzenia znaczenie w modelu w świecie rzeczywistym.Jednak po przejrzeniu godziny, okres wskazany w podziału może się okazać interesujące korelacji, które nie są reprezentowane w danych, takie promocji sprzedaży lub inne zdarzenie, które rozpoczęło się w tym czasie i które mogą mieć wpływ danych.
Jeśli dane zawierają inne atrybuty, jak bardzo prawdopodobne Zobacz przykłady bardziej interesujące branching w drzewie.Na przykład jeżeli śledzone pogody i użyć jej jako atrybut do analizy, można stwierdzić wielu podziałów w drzewie, reprezentujące złożonych interakcję między sprzedażą a pogody.
Krótko mówiąc wyszukiwanie danych jest używany w celu tworzenia wskazówek dotyczących, gdzie występuje potencjalnie interesujących zjawiska, jednak dalszego postępowania i doświadczeń użytkowników biznesowych są niezbędne do interpretacji dokładnie nadaje informacji w kontekście.
Elementy formuły serie ARTxp czas
Do wyświetlania z pełną formuły dla drzewa ARTxp lub oddziału, firma Microsoft zaleca użycie Legenda wyszukiwania of the Podgląd seria czas firmy Microsoft, którym są wyświetlane wszystkie stałych w formacie czytelnym.
W tej sekcji przedstawiono równanie próbki i wyjaśniono podstawowe pojęcia.
Legenda wyszukiwania dla ARTxp formuł
W poniższym przykładzie formuła ARTxp dla jednej części modelu, wyświetlaną w legendzie wyszukiwania.Aby wyświetlić tę formułę, otwórz utworzony w podstawowym samouczek wyszukiwanie danych w przeglądarce Microsoft czas seria model prognozowanie, kliknij kartę modelu, a zaznacz drzewa dla R250: Europa serii danych, a następnie kliknij węzeł, który reprezentuje serię dat od dnia 5-7-2003.
Przykład równania węzłów drzewa:
Ilość = 21.322
-0.293 * Ilość (R250 North America,-7) + 0.069 * ilość (R250 Europy,-1) + 0.023 *
Ilość (R250 Europy,-3)-0.142 * ilość (R750 Europy,-8)
W tym przypadek wartość 21.322 reprezentuje wartość, która jest przewidywane na ilość w zależności od elementów równania.Na przykład jest jednym z elementów Quantity(R250 North America,-7). Ten zapis oznacza ilość dla Ameryki Północnej region na t-7 lub siedem wycinki czas przed bieżącym przedział czas.Wartość dla tej serii danych jest mnożona przez współczynnik -0.293.Współczynnik dla każdego elementu wywodzi się podczas procesu kształcenia i jest oparta na trendy w danych.
Równanie się wiele elementów, ponieważ model ma obliczyć, że ilość modelu R250 w Europie region jest zależne od wartości z kilku innych serii danych.
Model zawartości dla ARTxp formuł
W poniższej tabela przedstawiono te same informacje dla węzła, wyświetlaną w Microsoft Generic Content Tree Viewer (Data Mining Designer).
ATTRIBUTE_NAME |
ATTRIBUTE_VALUE |
POMOC TECHNICZNA |
PRAWDOPODOBIEŃSTWO |
ODCHYLENIE |
WARTOŚCI |
|---|---|---|---|---|---|
Quantity(R250 Europe,y-intercept) |
21.3223433563772 |
11 |
0 |
1.65508795539661 |
11 (Punktu przecięcia z osią) |
Ilość (R250 Europy,-1) |
0.0691694140876526 |
0 |
0 |
0 |
7 (Współczynnik) |
Ilość (R250 Europy,-1) |
20.6363635858123 |
0 |
0 |
182.380682874818 |
9 (Statystyka) |
Ilość (R750 Europy,-8) |
-0.1421203048299 |
0 |
0 |
0 |
7 (Współczynnik) |
Ilość (R750 Europy,-8) |
22.5454545333019 |
0 |
0 |
104.362130048408 |
9 (Statystyka) |
Ilość (R250 Europy,-3) |
0.0234095979448281 |
0 |
0 |
0 |
7 (Współczynnik) |
Ilość (R250 Europy,-3) |
24.8181818883176 |
0 |
0 |
176.475304989169 |
9 (Statystyka) |
Ilość (R250 Ameryki Północnej,-7) |
-0.292914186039869 |
0 |
0 |
0 |
7 (Współczynnik) |
Ilość (R250 Ameryki Północnej,-7) |
10.36363640433 |
0 |
0 |
701.882534898676 |
9 (Statystyka) |
Model wyszukiwania zawartości zawiera te same informacje, które są dostępne w Legenda wyszukiwania, ale z dodatkowych kolumn dla odchylenie and Pomoc techniczna.Wartość dla obsługi wskazuje liczbę przypadków, które obsługują trend, opisana przez równanie.
Za pomocą formuły serie ARTxp czas
Dla większości użytkowników biznesowych zawartość modelu ARTxp wartość zapewnia zarówno w widoku drzewa, jak i liniowy reprezentację danych.Jeśli zmiany w dający się przewidzieć atrybut może być reprezentowany jako funkcja ze zmiennych niezależnych, algorytm automatycznie obliczyć równanie regresja i dane wyjściowe tej serii w oddzielnych węzła.Niemniej jednak jeśli inne współczynniki korelacji liniowej, szeregu czasowego gałęziach takie jak drzewo decyzyjne.Przeglądając zawartość modelu Podgląd seria czas firmy Microsoft można zobaczyć wykrycie podziału i jak wpływa na linii trend.
Jeśli bezpośredniej korelacji między czas i sprzedaży dla jakiejkolwiek części serii danych, najłatwiejszym sposobem uzyskania formuła ma skopiować formułę z Legenda wyszukiwania, a następnie wkleić go do dokumentu lub do prezentacji, aby pomóc w wyjaśnieniu modelu.Alternatywnie można wyodrębnić średniej, współczynnik i innych informacji z tabela NODE_DISTRIBUTION dla tego drzewa a go użyć do obliczenia rozszerzenia trend.Jeśli całą serię wykazuje spójne liniowej zależności, równanie jest zawarty w węźle (wszystkie).Jeśli nie ma żadnych branching w drzewie, równanie znajduje się w węźle typu liść.
Następująca kwerenda zwraca wszystkie węzły liść ARTxp z modeli wyszukiwania, łącznie z tabela zagnieżdżonej NODE_DISTRIBUTION, który zawiera równanie.
SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_NAME,
NODE_CAPTION,
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE, [VARIANCE], VALUETYPE
FROM NODE_DISTRIBUTION) as t
FROM Forecasting.CONTENT
WHERE NODE_TYPE = 15
Opis drzewa ARIMA
Każda struktura w modelu ARIMA odpowiada Okresowość or Struktura okresowe.Okresowe struktura jest struktury danych, który powtarza się całej serii danych.Niektóre niewielkich zmian w strukturze jest dozwolona w granicach statystycznych.Okresowość mierzy się zgodnie z domyślnymi jednostkami czas były używane w danych szkoleniowych.Na przykład jeśli szkolenia danych zawiera dane dotyczące sprzedaży dla każdego dnia, domyślną jednostkę czas wynosi jeden dzień, a wszystkie okresowe struktury są określane jako określonej liczby dni.
Każdy okres wykrytych przez algorytm otrzymuje własny węzła struktury.Na przykład jeśli analizowania danych dotyczących sprzedaży dziennej modelu może wykryć okresowe struktur, które reprezentują tygodni.W takim przypadek algorytmu utworzy dwa okresowe struktur w gotowym modelu: jedno dla domyślnych dziennego okresu oznaczonego jako {1} i jedno tygodni, wskazywany przez {7}.
Na przykład poniższa kwerenda zwraca wszystkie struktury ARIMA z model wyszukiwania.
SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_NAME, NODE_CAPTION
FROM Forecasting.CONTENT
WHERE NODE_TYPE = 27
Przykład wyniki:
NAZWA_MODELU |
ATTRIBUTE_NAME |
NAZWA_WĘZŁA |
NODE_TYPE |
NODE_CAPTION |
|---|---|---|---|---|
Prognozowanie |
M200 Europa: ilość |
TA00000000 |
27 |
ARIMA (1,0,1) |
Prognozowanie |
M200 Ameryka Północna: ilość |
TA00000001 |
27 |
ARIMA (1,0,4) X (1,1,4)(6) |
Prognozowanie |
M200 Pacyfiku: ilość |
TA00000002 |
27 |
ARIMA (2,0,8) X (1,0,0)(4) |
Prognozowanie |
M200 Pacyfiku: ilość |
TA00000002 |
27 |
ARIMA (2,0,8) X (1,0,0)(4) |
Prognozowanie |
R250 Europa: ilość |
TA00000003 |
27 |
ARIMA (1,0,7) |
Prognozowanie |
R250 Ameryka Północna: ilość |
TA00000004 |
27 |
ARIMA (1,0,2) |
Prognozowanie |
R250 Pacyfiku: ilość |
TA00000005 |
27 |
ARIMA (2,0,2) X (1,1,2)(12) |
Prognozowanie |
R750 Europa: ilość |
TA00000006 |
27 |
ARIMA (2,1,1) X (1,1,5)(6) |
Prognozowanie |
T1000 Europa: ilość |
TA00000009 |
27 |
ARIMA (1,0,1) |
Prognozowanie |
T1000 Ameryka Północna: ilość |
TA0000000a |
27 |
ARIMA (L, L, 1) |
Prognozowanie |
T1 ` 000 Pacyfiku: ilość |
TA0000000b |
27 |
ARIMA (1,0,3) |
Z tych wyniki, można również przeglądać przy użyciu Microsoft Generic Content Tree Viewer (Data Mining Designer), można sprawdzić na pierwszy rzut oka, serii, które są całkowicie liniowe, które mają kilka struktur okresowych i wykrytych terminy są.
Na przykład skróconej formy ARIMA równanie serii Europa M200 informuje wykrytych tylko domyślne lub codziennie, cyklu.Forma krótka równania jest podana kolumna NODE_CAPTION.
Jednak dla serii Ameryki Północnej M200 strukturę okresowe dodatkowe został znaleziony.Węzeł TA00000001 ma dwa węzły podrzędność z równania, (1,0,4), a jeden z równania (1,1,4)(6).Takie równania są tak łączone i prezentowanych w węzła nadrzędnego.
Dla każdego okresowej struktury modelu zawartości zapewnia także zamówienia and the Średnia ruchoma jako węzły podrzędność.Na przykład poniższa kwerenda pobiera węzły podrzędność jednego z węzłów, wymienionych w poprzednim przykładzie.Należy zauważyć, że kolumna PARENT_UNIQUE_NAME, muszą być ujęte w nawiasy, aby odróżnić go od zarezerwowanym słowem kluczowym o takiej samej nazwie.
SELECT *
FROM Forecasting.CONTENT
WHERE [PARENT_UNIQUE_NAME] = ' TA00000001'
Ponieważ jest to drzewo ARIMA, nie do drzewa ARTxp, nie można używać IsDescendant (DMX) funkcja zwracająca węzłów, które są węzła podrzędnego tej struktury okresowych. Zamiast tego typu atrybut i węzeł umożliwia filtrowanie wyniki i powrót podrzędność węzłów, które zawierają szczegółowe informacje o jak równanie został skonstruowany, oblicza średnią ruchomą i różnica zamówienia.
SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_UNIQUE_NAME,
NODE_TYPE, NODE_CAPTION
FROM Forecasting.CONTENT
WHERE [MSOLAP_MODEL_COLUMN] ='M200 North America:Quantity'
AND (NODE_TYPE = 29 or NODE_TYPE = 30)
Przykład wyniki:
NAZWA_MODELU |
ATTRIBUTE_NAME |
NODE_UNIQUE_NAME |
NODE_TYPE |
NODE_CAPTION |
|---|---|---|---|---|
Prognozowanie |
M200 Ameryka Północna: ilość |
TA00000001000000010 |
29 |
ARIMA {1,0.961832044807041} |
Prognozowanie |
M200 Ameryka Północna: ilość |
TA00000001000000011 |
30 |
ARIMA {1, - 3.51073103693271E - 02,2.15731642954099,-0.220314343327742,-1.33151478258758} |
Prognozowanie |
M200 Ameryka Północna: ilość |
TA00000001000000000 |
29 |
ARIMA {1,0.643565911081657} |
Prognozowanie |
M200 Ameryka Północna: ilość |
TA00000001000000001 |
30 |
ARIMA {1, 1.45035399809581E - 02, - 4.40489283927752E - 02-0.19203901352577,0.242202497643993} |
Poniższe przykłady ilustrują, że dalsze drążenie niedziałający do drzewa ARIMA, bardziej szczegółowo są czytelne dla komputerów, ale ważne informacje są łączone i prezentowanych w również węzła nadrzędnego.
Formuła serii czas dla ARIMA
Aby wyświetlić pełną formuły dla dowolnego węzła ARIMA, zaleca się użycie Legenda wyszukiwania of the Podgląd seria czas firmy Microsoft, który przedstawia kolejność autoregressive, przenoszenie, średnie i innych elementów równania już złożony w jednolitym formacie.
W tej sekcji przedstawiono równanie próbki i wyjaśniono podstawowe pojęcia.
Legenda górnictwie dla ARIMA formuł
W poniższym przykładzie formuła ARIMA dla jednej części modelu, wyświetlaną w legendzie wyszukiwania.Aby wyświetlić tę formułę, należy otworzyć Prognozowanie modelu przy użyciu Przeglądarka Microsoft czas seria, kliknij przycisk Model karty, wybierz drzewo dla R250: Serie danych Europa, a następnie kliknij węzeł, który reprezentuje serię dat od dnia 5-7-2003.Legenda górnictwo redaguje wszystkich stałych w formacie czytelnym, w poniższym przykładzie:
Równanie ARIMA:
ARIMA ({1,1},0,{1,1.49791920964142,1.10640053499397,0.888873034670339,-5.05429403071953E-02,-0.905265316720334,-0.961908900643379,-0.649991020901922}) punktu przecięcia z osią: 56.8888888888889
Równanie jest długi format ARIMA, który zawiera wartości współczynników i punkt przecięcia z osią.Byłoby krótkiego formatu dla tego równania {1,0,7}, where 1 Wskazuje, okres, jak licznik czas wycinki, 0 wskazuje termin różnica zamówienia, a 7 wskazuje liczbę współczynniki.
Uwaga
Stała jest obliczana na podstawie usług Analysis Services na potrzeby komputerowe wariancję, ale sam stałej nie jest wyświetlany w żadnym w interfejs użytkownika.Jednak można przeglądać wariancji dla dowolnego punktu z serii numeracji jako funkcja ta stała w przypadku wybrania Wyświetlanie odchyleń, in Wykres widoku.Wskazówki dla każdej serii danych pokazuje wariancji dla określonego punktu przewidywane.
Model zawartości dla ARIMA formuł
Model ARIMA poniżej standardowej strukturze, z różnymi informacjami zawartymi w węzłów różnych typów.Aby wyświetlić zawartość modelu dla modelu ARIMA, Zmień przeglądarkę do Podgląd zawartości drzewa rodzajowa firmy Microsoft, a następnie rozwiń węzeł, który ma nazwę atrybut, Europa R250: Ilości.
Model ARIMA dla serii danych zawiera podstawowe równanie okresowych w czterech różnych formatach, które można wybierać spośród zależnie od aplikacji.
NODE_CAPTION: Wyświetla równanie w formacie krótkim.W krótkim formacie informuje, ile okresowej struktury są reprezentowane i ile współczynniki mają.Na przykład, jeśli jest w formacie krótkim równania {4,0,6}, węzeł reprezentuje jeden okresowej struktury z współczynników 6.Jeśli w krótkim formacie jest mniej więcej tak {2,0,8} x {1,0,0}(4), węzeł zawiera dwa okresowej struktury.
OPIS WĘZŁÓW: Wyświetla w długim formacie równanie, które również jest formą równanie, które pojawia się w Legenda wyszukiwania.Formą długą równania jest podobna do skróconej formy z tą różnicą, że wyświetlane są rzeczywiste wartości współczynników zamiast są zliczane.
NODE_RULE: Wyświetla reprezentację XML równania.W zależności od typu węzła reprezentacji XML może zawierać jeden lub kilka struktur okresowych.W poniższej tabela przedstawiono, w jaki sposób węzłów XML są rzutowane na wyższych poziomach ARIMA modelu.
Typ węzła |
Zawartość XML |
|---|---|
27 (ARIMA główny) |
Zawiera wszystkie struktury okresowe dla serii danych, a zawartość wszystkich podrzędność węzłów dla każdego okresowej struktury. |
28 (ARIMA okresowe struktura) |
Definiuje jeden struktury okresowe, łącznie z jego autoregressive termin węzła i jego współczynniki średnia ruchoma. |
29 (ARIMA Autoregressive) |
Wyświetla listę warunków dla jednej struktury okresowych. |
30 (Średnia ruchoma ARIMA) |
Wyświetla listę współczynniki dla jednej struktury okresowych. |
NODE_DISTRIBUTION: Wyświetla warunki równanie zagnieżdżoną tabela można wysyłać kwerendy w celu uzyskania określonych warunków.Węzeł tabela rozkładu poniżej tej samej strukturze hierarchicznej co zasady XML.To jest węzeł główny serii ARIMA (NODE_TYPE = 27) zawiera wartość punktu przecięcia z osią i terminy dla pełnej równanie, które mogą zawierać wiele terminy węzły podrzędność zawierają tylko informacje dotyczące niektórych okresowej struktury lub węzłów podrzędność tej struktury okresowych.
Typ węzła |
Attribute |
Typ wartości |
|---|---|---|
27 (ARIMA główny) |
Punkt przecięcia z osią Okresowość |
11 |
28 (ARIMA okresowe struktura) |
Okresowość Automatyczne regresywnej zamówienia Różnica zamówienia Przenoszenie zamówienia średnia |
12 13 15 14 |
29 (ARIMA Autoregressive) |
Współczynnik (uzupełnienie współczynnik) |
7 |
30 (Średnia ruchoma ARIMA) |
Wartość w t Wartość t-1 … Wartość na t-n |
7 |
Wartość parametru Przenoszenie zamówienia średnia wskazuje liczbę średnich ruchomych w serii.Zazwyczaj jest obliczana średnia ruchoma n-1 razy, jeżeli istnieją n terminy w serii, ale liczba może być zmniejszona do obliczeń łatwiejsze.
Wartość parametru kolejność autoregressive wskazuje liczbę autoregressive serii.
Wartość parametru Różnica zamówienia wskazuje, ile razy serii są porównywane lub differenced.
Aby wyliczenie typy możliwych wartości zobacz MiningValueType.
Korzystając z informacji ARIMA drzewa
Jeśli używasz prognoz, które są oparte na algorytmie ARIMA do rozwiązania biznesowe, można wkleić równania w raporcie wykazać, metoda, która była użyta do utworzenia przewidywanie.Podpis i opis, służy do przedstawiania formuł krótki lub długi format, odpowiednio.
W wypadku opracowywania aplikacji, która używa czas przewidywania serii, może okazać się, że przydatne otrzymać równanie ARIMA z zawartości modelu, a następnie wprowadzić własne prognoz.Aby otrzymać równanie ARIMA dowolne dane wyjściowe określonego, można wysyłać kwerendy głównego ARIMA dla określonego atrybut bezpośrednio, jak przedstawiono w poprzednich przykładach.
Jeśli znasz identyfikator węzła, który zawiera odpowiednią serię, istnieją dwie możliwości pobierania składników równania:
Format tabela zagnieżdżonej: Za pomocą kwerendy DMX lub kwerendy za pośrednictwem klient OLEDB.
Reprezentacji XML: Należy użyć kwerendy XML.
Remarks
Może być trudne do pobierania informacji z drzewem ARTxp, ponieważ informacje o każdym podziału znajduje się w inne miejsce w obrębie danego drzewa.W związku z tym z modelem ARTxp, należy pobrać wszystkie elementy i wykonaj część przetwarzania, aby reconstitute pełną formuły.Trwa pobieranie równania z modelem ARIMA jest łatwiejsze, ponieważ formuła została udostępniona w drzewie konsoli.Aby dowiedzieć się, jak utworzyć kwerendę, aby pobrać tych informacji zobacz Podczas badania modelu czasu serii (Analysis Services — wyszukiwanie danych).