Урок 2. Добавление моделей интеллектуального анализа данных в структуру интеллектуального анализа временных рядов

На этом занятии вы добавите новую модель интеллектуального анализа данных в структуру интеллектуального анализа данных, которую вы только что создали в занятии 1. Создание модели интеллектуального анализа временных рядов и структуры интеллектуального анализа данных.

Инструкция ALTER MINING STRUCTURE

Чтобы добавить новую модель интеллектуального анализа данных в существующую структуру интеллектуального анализа данных, используйте инструкцию ALTER MINING STRUCTURE (DMX). Код в инструкции можно разбить на следующие части:

• Определение структуры интеллектуального анализа данных

• Именование модели добычи данных

• Определение ключевого столбца

• Определение прогнозируемых столбцов

• Указание алгоритма и любых изменений параметров

Ниже приведен универсальный пример инструкции ALTER MINING STRUCTURE:

ALTER MINING STRUCTURE [<mining structure name>]  
ADD MINING MODEL [<mining model name>]  
   ([<key columns>],  
    <mining model columns>  
   )  
USING <algorithm name>([<algorithm parameters>])  
[WITH DRILLTHROUGH]  

Первая строка кода определяет существующую структуру интеллектуального анализа данных, в которую будут добавлены модели интеллектуального анализа данных:

ALTER MINING STRUCTURE [<mining structure name>]  

Следующая строка кода называет модель, которая будет добавлена в структуру анализа данных.

ADD MINING MODEL [<mining model name>]  

Сведения об именовании объекта в DMX см. в разделе "Идентификаторы" (DMX).

Следующие строки кода определяют столбцы из структуры анализа данных, которые будут использоваться моделью анализа данных.

[<key columns>],  
<mining model columns>  

Можно использовать только столбцы, которые уже существуют в структуре интеллектуального анализа данных, а первый столбец в списке должен быть ключевым столбцом из структуры интеллектуального анализа данных.

Следующие строки кода определяют алгоритм интеллектуального анализа данных, который генерирует модель интеллектуального анализа данных и параметры алгоритма, которые можно установить, и указывают, можно ли из модели перейти к подробным данным в обучающих примерах.

USING <algorithm name>([<algorithm parameters>])  
WITH DRILLTHROUGH  

Дополнительные сведения о параметрах алгоритма, которые можно настроить, см. в техническом справочнике по алгоритму временных рядов Майкрософт.

Вы можете указать, что столбец в модели анализа данных используется для прогнозирования, с помощью следующего синтаксиса:

<mining model column> PREDICT  

Задачи урока

В этом занятии будут выполняться следующие задачи:

• Добавьте в структуру новую модель интеллектуального анализа временных рядов.

• Изменение параметров алгоритма для использования другого метода анализа и прогнозирования

Добавление модели временных рядов ARIMA в структуру

Первым шагом является добавление модели прогнозирования интеллектуального анализа данных в существующую структуру. По умолчанию алгоритм временных рядов Майкрософт создает модели прогнозирования временных рядов, используя два алгоритма: ARIMA и ARTXP, смешивая результаты. Однако можно указать один алгоритм для использования или указать точное сочетание алгоритмов. На этом шаге вы добавите новую модель, которая использует только алгоритм ARIMA. Этот алгоритм оптимизирован для долгосрочного прогнозирования.

Добавление модели интеллектуального анализа временных рядов ARIMA

1. В обозревателе объектов щелкните правой кнопкой мыши экземпляр служб Analysis Services, наведите указатель на новый запрос, а затем щелкните dmX , чтобы открыть редактор запросов и новый пустой запрос.

2. Скопируйте универсальный пример инструкции ALTER MINING STRUCTURE в пустой запрос.

3. Замените следующее:

   <mining structure name>   
   

   с:

   [Forecasting_MIXED_Structure]  
   

4. Замените следующее:

   <mining model name>   
   

   с:

   Forecasting_ARIMA  
   

5. Замените следующее:

   <key columns>,  
   

   с:

   [ReportingDate],  
   [ModelRegion]  
   

   Обратите внимание, что вам не нужно повторять какие-либо данные о типе даты или типе контента, указанные в инструкции CREATE MINING MODEL, так как эти сведения уже хранятся в структуре модели анализа данных.

6. Замените следующее:

   <mining model columns>  
   

   с:

   ([Quantity] PREDICT,  
   [Amount] PREDICT  
   )  
   

7. Замените следующее:

   USING <algorithm name>([<algorithm parameters>])   
   [WITH DRILLTHROUGH]  
   

   с:

   USING Microsoft_Time_Series (AUTO_DETECT_PERIODICITY = .08, FORECAST_METHOD = 'ARIMA')  
   WITH DRILLTHROUGH  
   

   Теперь результирующее утверждение должно быть следующим:

   ALTER MINING STRUCTURE [Forecasting_MIXED_Structure]  
   ADD MINING MODEL [Forecasting_ARIMA]  
      (  
      ([ReportingDate],  
       [ModelRegion],  
       ([Quantity] PREDICT,  
       [Amount] PREDICT  
      )   
   USING Microsoft_Time_Series (AUTO_DETECT_PERIODICITY = .08, FORECAST_METHOD = 'ARIMA')  
   WITH DRILLTHROUGH  
   

8. В меню "Файл" нажмите кнопку "Сохранить DMXQuery1.dmx As".

9. В диалоговом окне "Сохранить как" перейдите в соответствующую папку и назовите файл Forecasting_ARIMA.dmx.

10. На панели инструментов нажмите кнопку "Выполнить ".

Добавление модели временных рядов ARTXP в структуру

Алгоритм ARTXP был алгоритмом временных рядов по умолчанию в SQL Server 2005 и оптимизирован для краткосрочного прогнозирования. Чтобы сравнить прогнозы с помощью всех трех алгоритмов временных рядов, вы добавите еще одну модель, основанную на алгоритме ARTXP.

Добавление модели интеллектуального анализа временных рядов ARTXP

1. Скопируйте следующий код в пустое окно запроса.

   Обратите внимание, что не нужно изменять ничего, кроме имени новой модели интеллектуального анализа данных, а также значения параметра FORECAST_METHOD.

   ALTER MINING STRUCTURE [Forecasting_MIXED_Structure]  
   ADD MINING MODEL [Forecasting_ARTXP]  
      (  
      ([ReportingDate],  
       [ModelRegion],  
       ([Quantity] PREDICT,  
       [Amount] PREDICT  
      )   
   USING Microsoft_Time_Series (AUTO_DETECT_PERIODICITY = .08, FORECAST_METHOD = 'ARTXP')  
   WITH DRILLTHROUGH  
   

2. В меню "Файл" нажмите кнопку "Сохранить DMXQuery1.dmx As".

3. В диалоговом окне "Сохранить как" перейдите в соответствующую папку и назовите файл Forecasting_ARTXP.dmx.

4. На панели инструментов нажмите кнопку "Выполнить ".

На следующем уроке вы обработаете все модели и структуру майнинга данных.

Следующее занятие

Урок 3. Обработка структуры временных рядов и моделей

См. также

Алгоритм временных рядов Майкрософт
Технический справочник по алгоритму временных рядов Майкрософт