Поделиться через

Урок 4. Создание прогнозов временных рядов с помощью dmX

На этом занятии и следующем занятии вы будете использовать расширения интеллектуального анализа данных (DMX) для создания различных типов прогнозов на основе моделей временных рядов, созданных на занятии 1. Создание модели интеллектуального анализа временных рядов и структура интеллектуального анализа данных иурок 2. Добавление моделей интеллектуального анализа данных в структуру интеллектуального анализа временных рядов.

С моделью временных рядов у вас есть множество вариантов для прогнозирования:

  • Используйте существующие шаблоны и данные в модели анализа данных

  • Используйте существующие шаблоны в модели интеллектуального анализа данных, но предоставьте новые данные

  • Добавьте новые данные в модель или обновите модель.

Синтаксис для создания этих типов прогнозов приведен ниже.

Прогнозирование временных рядов по умолчанию
Используйте PredictTimeSeries (DMX), чтобы получить указанное количество прогнозов из натренированной модели интеллектуального анализа данных.

Примеры запросов модели временных рядов см. в разделе PredictTimeSeries (DMX) или Примеры запросов модели временных рядов.

РАСШИРЕНИЕ_МОДЕЛЬНЫХ_КЕЙСОВ
Используйте PredictTimeSeries (DMX) с аргументом EXTEND_MODEL_CASES для добавления новых данных, расширения ряда и создания прогнозов, основываясь на обновленной модели интеллектуального анализа данных.

В этом руководстве приведен пример использования EXTEND_MODEL_CASES.

REPLACE_MODEL_CASES
Используйте PredictTimeSeries (DMX) с аргументом REPLACE_MODEL_CASES, чтобы заменить исходные данные новой серией данных, а затем создавать прогнозы, применяя шаблоны из модели интеллектуального анализа данных к этой новой серии данных.

Пример использования REPLACE_MODEL_CASES см. в уроке 2. Создание сценария прогнозирования (учебник по интеллектуальному анализу промежуточных данных).

Задачи урока

В этом занятии будут выполняться следующие задачи:

  • Создайте запрос для получения прогнозов по умолчанию на основе существующих данных.

На следующем занятии вы будете выполнять следующие связанные задачи:

  • Создайте запрос для предоставления новых данных и получения обновленных прогнозов.

Помимо создания запросов вручную с помощью dmX, можно также создавать прогнозы с помощью построителя прогнозов в SQL Server Data Tools (SSDT).

Простой запрос прогнозирования временных рядов

Первым шагом является использование инструкции SELECT FROM вместе с PredictTimeSeries функцией для создания прогнозов временных рядов. Модели временных рядов поддерживают упрощенный синтаксис для создания прогнозов: вам не нужно предоставлять входные данные, но только необходимо указать количество создаваемых прогнозов. Ниже приведен универсальный пример инструкции, который вы будете использовать:

SELECT <select list>   
FROM [<mining model name>]   
WHERE [<criteria>]

Список выбора может содержать столбцы из модели, такие как имя линейки продуктов, для которой вы создаете прогнозы, или функции, прогнозирования, такие как Lag (DMX) или PredictTimeSeries (DMX), которые специально предназначены для моделей интеллектуального анализа временных рядов.

Создание простого запроса прогнозирования временных рядов

  1. В Обозревателе объектов щелкните правой кнопкой мыши на экземпляре служб Analysis Services, наведите указатель на Новый запрос и щелкните DMX.

    Откроется редактор запросов и содержит новый пустой запрос.

  2. Скопируйте универсальный пример инструкции в пустой запрос.

  3. Замените следующее:

    <select list>

    с:

    [Forecasting_MIXED].[ModelRegion],  
PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,  
PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt

    Первая строка кода получает значение из модели майнинга данных, идентифицирующей ряд.

    Вторая и третья строки используют функцию PredictTimeSeries . Каждая строка предсказывает другой атрибут [Quantity] или [Amount]. Числа после имен прогнозируемых атрибутов указывают количество шагов времени для прогнозирования.

    Предложение AS используется для предоставления имени столбца, возвращаемого каждой функцией прогнозирования. Если псевдоним не задан, по умолчанию оба столбца возвращаются с меткой Expression.

  4. Замените следующее:

    [<mining model>]

    с:

    [Forecasting_MIXED]

  5. Замените следующее:

    WHERE [criteria>]

    с:

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

    Теперь полное заявление должно быть следующим:

    SELECT  
[Forecasting_MIXED].[ModelRegion],  
PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,  
PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt  
FROM   
[Forecasting_MIXED]  
WHERE [ModelRegion] = 'M200 Europe' OR  
[ModelRegion] = 'M200 Pacific'

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

  7. В диалоговом окне "Сохранить как" перейдите в соответствующую папку и назовите файл SimpleTimeSeriesPrediction.dmx.

  8. На панели инструментов нажмите кнопку "Выполнить ".

    Запрос возвращает 6 прогнозов для каждого из двух сочетаний продуктов и регионов, указанных в предложении WHERE .

На следующем занятии вы создадите запрос, предоставляющий новые данные модели, и сравните результаты этого прогнозирования с только что созданным.

Следующая задача на занятии

Занятие 5. Расширение модели временных рядов

См. также

PredictTimeSeries (DMX)
Задержка (DMX)
Примеры запросов модели временных рядов
Урок 2. Создание сценария прогнозирования (учебник по интеллектуальному анализу данных промежуточного уровня)

  • Last updated on