Настройка и обработка модели прогнозирования (учебник по интеллектуальному анализу промежуточных данных)

Алгоритм временных рядов Майкрософт предоставляет параметры, влияющие на создание модели и анализ данных времени. Изменение этих свойств может значительно повлиять на то, как модель анализа данных делает прогнозы.

Для этой задачи в руководстве вы выполните следующие задачи, чтобы изменить модель:

1. Вы настроите способ обработки периодов времени модели, добавив новое значение для параметра PERIODICITY_HINT .

2. Вы узнаете о двух других важных параметрах алгоритма временных рядов Майкрософт: FORECAST_METHOD, что позволяет управлять методом, используемым для прогнозирования, и PREDICTION_SMOOTHING, что позволяет настроить сочетание долгосрочных и краткосрочных прогнозов.

3. При необходимости вы можете указать алгоритму, как вы хотите, чтобы отсутствующие значения были восстановлены.

4. После внесения всех изменений вы развернете и обработаете модель.

Настройка параметров временных рядов

Подсказки по периодичности

Параметр PERIODICITY_HINT предоставляет алгоритм с информацией о дополнительных периодах времени, которые будут отображаться в данных. По умолчанию модели временных рядов будут пытаться автоматически обнаружить шаблон в данных. Однако если вы уже знаете ожидаемый цикл времени, предоставляя указание периодичности, может повысить точность модели. Однако если указать неправильное указание периодичности, это может снизить точность; Таким образом, если вы не уверены, какое значение следует использовать, рекомендуется использовать значение по умолчанию.

Например, представление, используемое для этой модели, объединяет данные о продажах из Adventure Works DW Multidimensional 2012 ежемесячно. Поэтому каждый срез, используемый моделью, представляет один месяц, и все прогнозы также будут иметь сроки. Так как в году 12 месяцев, и вы ожидаете, что закономерности продаж более или менее повторяются ежегодно, вы задаете параметру PERIODICITY_HINT значение 12, чтобы указать, что 12 временных срезов (месяцы) составляют один полный цикл продаж.

Метод прогнозирования

Параметр FORECAST_METHOD определяет, оптимизирован ли алгоритм временных рядов для краткосрочных или долгосрочных прогнозов. По умолчанию параметр FORECAST_METHOD имеет значение MIXED, что означает, что два разных алгоритма смешиваются и балансируются, чтобы обеспечить хорошие результаты для краткосрочного и долгосрочного прогнозирования.

Однако если вы знаете, что вы хотите использовать определенный алгоритм, можно изменить значение на ARIMA или ARTXP.

Весовые Long-Term и прогнозы Short-Term

Вы также можете настроить способ объединения долгосрочных и краткосрочных прогнозов с помощью параметра PREDICTION_SMOOTHING. По умолчанию этот параметр имеет значение 0,5, что обычно обеспечивает оптимальный баланс для общей точности.

Изменение параметров алгоритма

1. На вкладке "Модели прогнозирования" щелкните правой кнопкой мыши "Прогнозирование" и выберите "Задать параметры алгоритма".

2. В строке PERIODICITY_HINT диалогового окна "Параметры алгоритма " щелкните столбец "Значение ", а затем введите {12}фигурные скобки.

   По умолчанию алгоритм также добавит значение {1}.

3. В строке убедитесь, что текстовое FORECAST_METHOD поле "Значение " является пустым или имеет значение MIXED. Если введено другое значение, введите MIXED , чтобы изменить параметр обратно на значение по умолчанию.

4. В строке PREDICTION_SMOOTHING убедитесь, что текстовое поле "Значение " является пустым или имеет значение 0,5. Если введено другое значение, нажмите кнопку "Значение " и введите 0.5 , чтобы изменить параметр обратно на значение по умолчанию.

   Замечание

   Параметр PREDICTION_SMOOTHING доступен только в SQL Server Enterprise. Поэтому нельзя просматривать или изменять значение параметра PREDICTION_SMOOTHING в SQL Server Standard. Однако поведение по умолчанию заключается в использовании обоих алгоритмов и их одинакового веса.

5. Нажмите кнопку ОК.

Обработка отсутствующих данных (необязательно)

Во многих случаях данные о продажах могут иметь пробелы, заполненные нулевыми значениями, или магазин мог не успеть подать отчет в срок, оставив пустую ячейку в конце ряда данных. В таких сценариях служба Analysis Services выдает следующую ошибку и не обрабатывает модель.

"Ошибка (интеллектуальный анализ данных): метки времени не синхронизированы начиная с имени> серии<, модели интеллектуального анализа данных, <имени> модели. Все временные ряды должны заканчиваться на одной и той же временной отметке и не могут иметь произвольные пропущенные точки данных. Установка параметра MISSING_VALUE_SUBSTITUTION в положение "Предыдущее" или числовую константу автоматически исправит отсутствующие точки данных, если это возможно.

Чтобы избежать этой ошибки, можно указать, что службы Analysis Services автоматически предоставляют новые значения для заполнения пробелов с помощью любого из следующих методов:

• Использование среднего значения. Среднее вычисляется с помощью всех допустимых значений в одном ряде данных.

• Используя предыдущее значение. Вы можете заменить предыдущие значения для нескольких отсутствующих ячеек, но не удается заполнить начальные значения.

• Использование заданного значения константы.

Указание того, что пробелы заполняются усреднением значений

1. На вкладке "Модели добычи" щелкните правой кнопкой мыши столбец "Прогнозирование" и выберите "Задать параметры алгоритма".

2. В диалоговом окне "Параметры алгоритма " в строке MISSING_VALUE_SUBSTITUTION щелкните столбец "Значение " и введите Mean.

Создание модели

Чтобы использовать модель, необходимо развернуть ее на сервере и обработать модель, выполнив обучающие данные с помощью алгоритма.

Обработка модели прогнозирования

1. В меню модели интеллектуального анализа данных SQL Server выберите "Структура интеллектуального анализа данных" и "Все модели".

2. При появлении предупреждения, указывающего, нужно ли создавать и развертывать проект, нажмите кнопку "Да".

3. В диалоговом окне "Структура интеллектуального анализа процессов — прогнозирование" нажмите "Выполнить".

   Откроется диалоговое окно "Ход выполнения процесса " для отображения сведений об обработке моделей. Обработка модели может занять некоторое время.

4. После завершения обработки нажмите кнопку "Закрыть ", чтобы выйти из диалогового окна "Ход выполнения процесса ".

5. Нажмите «Закрыть» еще раз, чтобы выйти из диалогового окна «Структура моделирования процессов — прогнозирование».

Следующая задача на занятии

Изучение модели прогнозирования (учебник по интеллектуальному анализу промежуточных данных)

См. также

Технический справочник по алгоритму временных рядов Майкрософт
Алгоритм временных рядов Майкрософт
Требования к обработке и рекомендации (интеллектуальный анализ данных)