Прогнозы временных рядов с использованием обновленных данных (учебник по интеллектуальному анализу данных — средний уровень)
Применимо к: SQL Server 2016 Preview
Создание прогнозов с помощью расширенных сведений о продажах
На этом занятии будет создан прогнозирующий запрос, который добавляет новые данные о продажах в модель. Дополняя модель новыми данными, можно получать актуальные прогнозы, которые включают последние точки данных.
Создание прогнозов временных рядов, использующих новые данные несложно: просто добавить параметр EXTEND_MODEL_CASES для PredictTimeSeries ( расширений интеллектуального анализа данных ) функцию, указать источник новых данных и указать число прогнозов, которые вы хотите получить.
Предупреждение
Параметр EXTEND_MODEL_CASES не является обязательным. По умолчанию модель расширяется каждый раз при создании прогнозирующего запроса временных рядов путем соединения новых данных в качестве данных входа.
Создание прогнозирующего запроса и добавление новых данных
Если модель не открыт, дважды щелкните структуру Прогнозирование и в конструкторе интеллектуального анализа данных щелкните Прогнозирование моделей интеллектуального анализа вкладки.
В модель интеллектуального анализа данных области, модели прогнозирования должен быть установлен. Если он не выбран, щелкните Выбор модели, и выделите эту модель прогнозирования.
В Выбор входных таблиц панели, щелкните выбрать таблицу вариантов.
В выберите таблицу диалогового окна выберите источник данных, Adventure Works DW Multidimensional 2012.
Из списка представлений источников данных, выберите NewSalesData и нажмите кнопку ОК.
Щелкните правой кнопкой область конструирования и выберите Изменить соединения.
С помощью Изменение сопоставления диалоговом окне укажите, сопоставить столбцы модели со столбцами во внешних данных следующим образом:
Сопоставьте столбец ReportingDate в модели интеллектуального анализа данных к столбцу NewDate во входных данных.
Сопоставление столбца Amount модели интеллектуального анализа данных к столбцу NewAmount во входных данных.
Сопоставьте столбец количества в модели интеллектуального анализа данных столбец NewQty во входных данных.
Сопоставьте столбец ModelRegion в модели интеллектуального анализа данных столбец ряда входных данных.
Теперь вы создадите прогнозирующий запрос.
Сначала добавьте столбец к прогнозирующему запросу, чтобы получить ряд, к которому относится прогноз.
В сетке щелкните первую пустую строку в столбце источника, и затем выберите прогнозирования.
В поле столбец, выберите Model Region и псевдоним, тип Model Region.
Далее добавьте и измените прогнозирующую функцию.
Щелкните пустую строку, а затем в разделе источника, выберите Прогнозирующая функция.
Для поля, выберите PredictTimeSeries.
Для псевдоним, тип прогнозируемые значения.
Перетащите поле Quantity из модель интеллектуального анализа данных на панель Критерий или аргумент столбца.
В Критерий или аргумент столбец, после имени поля введите следующий текст: 5, EXTEND_MODEL_CASES
Полный текст Критерий или аргумент текстовое поле должно быть следующим:
[Forecasting].[Quantity],5,EXTEND_MODEL_CASES
Щелкните результатов и просмотрите результаты.
Прогноз начинается в июле (срез первого периода после исходных данных) и заканчивается в ноябре (срез пятого периода после исходных данных).
Как видно, чтобы эффективно использовать этот тип прогнозирующего запроса, нужно знать, когда завершаются старые данные, а также сколько имеется срезов в новых данных.
Например, в этой модели ряд исходных данных завершился в июне, а данные были получены для июля, августа и сентября.
Прогнозы, использующие параметр EXTEND_MODEL_CASES, всегда начинаются в конце ряда исходных данных. Поэтому, если нужно получить прогноз только для неизвестных месяцев, следует указать начальную и конечную точки прогноза. Оба значения указываются в качестве временных срезов в конце старых данных.
В следующей процедуре показано, как это можно сделать.
Изменение начальной и конечной точек прогноза
Построитель прогнозирующих запросов, щелкните запроса Чтобы переключиться в режим расширений интеллектуального анализа данных.
Найдите DMX-инструкцию, содержащую функцию PredictTimeSeries, и измените ее следующим образом.
PredictTimeSeries([Forecasting 12].[Quantity],4,6,EXTEND_MODEL_CASES)
Щелкните результатов и просмотрите результаты.
Теперь прогноз начинается в октябре (срез четвертого периода — начиная с конца исходных данных) и завершается в декабре (срез шестого периода — начиная с конца исходных данных).
Следующая задача занятия
Прогнозы временных рядов с заменой данных ( Intermediate Data Mining Tutorial )
См. также:
Технический справочник по алгоритму временных рядов (Майкрософт)
Содержимое моделей интеллектуального анализа данных для моделей временных рядов (службы Analysis Services — интеллектуальный анализ данных)