Поделиться через

Создание прогнозов временных рядов (учебник по интеллектуальному анализу промежуточных данных)

На предыдущем занятии вы создали модель временных рядов и изучили результаты. По умолчанию службы Analysis Services всегда создают набор из пяти (5) прогнозов для модели временных рядов и отображают прогнозируемые значения в рамках диаграммы прогнозирования. Однако вы также можете создавать прогнозы, создавая предсказательные запросы с помощью расширений интеллектуального анализа данных DMX.

В этой задаче вы создадите прогнозирующий запрос, который позволяет получать те же прогнозы, что и в просмотрщике. Эта задача предполагает, что вы уже выполнили уроки в учебнике по интеллектуальному анализу данных уровня "Базовый" и знакомы с тем, как использовать построитель прогнозов. Теперь вы узнаете, как создавать запросы, относящиеся к моделям временных рядов.

Создание прогнозов временных рядов

Как правило, первым шагом при создании прогнозного запроса является выбор модели анализа данных и входной таблицы. Однако модель временных рядов не требует дополнительных входных данных для регулярного прогнозирования. Поэтому при создании прогнозов не требуется указывать новый источник данных, если только вы не добавляете данные в модель или не заменяете их.

Для этого урока необходимо указать количество шагов прогнозирования. Можно указать имя серии, чтобы получить прогноз для определенного сочетания продукта и региона.

Выбор модели и входной таблицы

  1. На вкладке "Прогнозирование модели интеллектуального анализа данных" конструктора интеллектуального анализа данных в поле "Модель интеллектуального анализа данных" нажмите кнопку "Выбрать модель".

  2. В диалоговом окне "Выбор модели интеллектуального анализа данных " разверните структуру прогнозирования, выберите модель прогнозирования из списка и нажмите кнопку "ОК".

  3. Пропустить поле "Выбор входных таблиц".

    Замечание

    Для модели временных рядов не нужно указывать отдельные входные данные, если вы не выполняете перекрестное прогнозирование.

  4. В столбце Source в сетке на вкладке Прогнозирование модели аналитики горных работ щелкните ячейку в первой пустой строке и выберите Модель прогнозирования для интеллектуального анализа данных.

  5. В столбце "Поле " выберите "Область модели".

    Это действие добавляет идентификатор ряда в прогнозирующий запрос, чтобы указать сочетание модели и региона, к которому применяется прогноз.

  6. Щелкните следующую пустую строку в столбце "Источник " и выберите "Функция прогнозирования".

  7. В столбце "Поле " выберите PredictTimeSeries.

    Замечание

    Вы также можете использовать функцию Predict с моделями временных рядов. Однако по умолчанию функция Predict создает только один прогноз для каждой серии. Поэтому для указания нескольких шагов прогнозирования необходимо использовать функцию PredictTimeSeries .

  8. В области "Модель интеллектуального анализа данных" выберите столбец модели интеллектуального анализа данных , "Сумма". Перетащите сумму в поле "Критерии и аргументы" для функции PredictTimeSeries , которую вы добавили ранее.

  9. Щелкните поле "Критерии/аргументы " и введите запятую, за которой следует 5, после имени поля.

    Теперь текст в поле "Критерии/аргументы" должен отображаться следующим образом:

    [Forecasting].[Amount],5

  10. В столбце "Псевдоним" введите PredictAmount.

  11. Щелкните следующую пустую строку в столбце "Источник ", а затем снова выберите функцию прогнозирования .

  12. В столбце "Поле " выберите PredictTimeSeries.

  13. На панели "Модель добычи данных" выберите столбец "Количество", а затем перетащите его в поле "Критерии/аргументы" для второй функции PredictTimeSeries.

  14. Щелкните поле "Критерии/аргументы " и введите запятую, за которой следует 5, после имени поля.

    Теперь текст в поле "Критерии/аргументы" должен отображаться следующим образом:

    [Forecasting].[ Quantity],5

  15. В столбце "Псевдоним" введите PredictQuantity.

  16. Нажмите кнопку "Переключиться на представление результатов запроса".

    Результаты запроса отображаются в табличном формате.

Помните, что вы создали три различных типа результатов в построителе запросов, который использует значения из столбца и два, которые получают прогнозируемые значения из функции прогнозирования. Таким образом, результаты запроса содержат три отдельных столбца. Первый столбец содержит список сочетаний продуктов и регионов. Второй и третий столбцы содержат вложенную таблицу результатов прогнозирования. Каждая вложенная таблица содержит шаг времени и прогнозируемые значения, такие как следующая таблица:

Примеры результатов (суммы усечены до двух десятичных разрядов):

M200 Europe PredictAmount

$TIME Сумма
7/25/2008 99978.00
8/25/2008 145575.07
9/25/2008 116835.19
10/25/2008 116537.38
11/25/2008 107760.55

M200 Europe PredictQuantity

$TIME Количество
7/25/2008 52
8/25/2008 67
9/25/2008 58
10/25/2008 57
11/25/2008 54

M200 Северная Америка — PredictAmount

$TIME Сумма
7/25/2008 348533.93
8/25/2008 340097.98
9/25/2008 257986.19
10/25/2008 374658.24
11/25/2008 379241.44

M200 Северная Америка - PredictQuantity

$TIME Количество
7/25/2008 272
8/25/2008 152
9/25/2008 250
10/25/2008 181
11/25/2008 290

Предупреждение

Даты, используемые в образце базы данных, изменились в этой версии. Если вы используете более раннюю версию примеров данных, вы можете увидеть разные результаты.

Сохранение результатов прогнозирования

У вас есть несколько различных вариантов использования результатов прогнозирования. Вы можете развернуть результаты, скопировать данные из представления результатов и вставить их в таблицу Excel или другой файл.

Чтобы упростить процесс сохранения результатов, конструктор интеллектуального анализа данных также предоставляет возможность сохранения данных в представлении источника данных. Функция сохранения результатов в представлении источника данных доступна только в SQL Server Data Tools (SSDT). Результаты могут храниться только в неструктурированном формате.

Чтобы упрощенно отобразить результаты в области результатов

  1. В построителе прогнозируемых запросов нажмите кнопку "Переключиться на представление конструктора запросов".

    Представление изменяется для разрешения ручного редактирования текста запроса DMX.

  2. Введите FLATTENED после SELECT ключевого слова. Полный текст запроса должен быть следующим:

    SELECT FLATTENED  
  [Forecasting].[Model Region],  
  (PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],  
  (PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]  
FROM  
  [Forecasting]

  3. При необходимости можно ввести предложение, чтобы ограничить результаты, например следующий пример:

    SELECT FLATTENED  
  [Forecasting].[Model Region],  
  (PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],  
  (PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]  
FROM  
  [Forecasting]  
WHERE [Forecasting].[Model Region] = 'M200 North America'   
OR [Forecasting].[Model Region] = 'M200 Europe'

  4. Нажмите кнопку "Переключиться на представление результатов запроса".

Экспорт результатов прогнозирующего запроса

  1. Нажмите кнопку "Сохранить результаты запроса".

  2. В диалоговом окне Сохранение результата запроса анализа данных выберите AdventureWorksDW2012 для источника данных. Вы также можете создать источник данных, если вы хотите сохранить данные в другой реляционной базе данных.

  3. В столбце "Имя таблицы" введите новое имя временной таблицы, например прогнозы тестирования.

  4. Нажмите кнопку Сохранить.

    Замечание

    Чтобы просмотреть созданную таблицу, создайте подключение к ядру СУБД экземпляра, в котором сохранены данные, и создайте запрос.

Заключение

Вы узнали, как создать базовую модель временных рядов, интерпретировать прогнозы и создавать прогнозы.

Остальные задачи в этом руководстве являются необязательными и описывают расширенные прогнозы временных рядов. Если вы решите пойти дальше, вы узнаете, как добавить новые данные в модель и создать прогнозы для расширенной серии. Вы также узнаете, как выполнять перекрестное прогнозирование, используя тенденцию в модели, но заменив данные новой серией данных.

Следующее занятие

Расширенные прогнозы временных рядов (учебник по интеллектуальному анализу промежуточных данных)

См. также

Примеры запросов модели временных рядов

  • Last updated on