Ders 3: Zaman serisi işlem yapısı ve modelleri
Bu derste, kullanacağınız (DMX) YERLEŞTİRİN. yapıları mining ve mining modeller, oluşturduğunuz saat serisi yerine getirmeye deyim.
Bir araştırma yapısı işlediğinizde Analysis Services kaynak verileri okur ve destekleyen yapıları oluştururmadenciliği modelleri. Her zaman ilk oluşturduğunuzda bir araştırma modeli ve yapısı işlemek zorunda.INSERT INTO kullanarak araştırma yapısı belirtirseniz, deyim araştırma yapısı ve tüm ilişkili madenciliği modelleri işler.
Önceden işlenen bir araştırma yapısı bir araştırma modeli eklediğinizde, kullanabileceğiniz INSERT INTO MINING MODEL deyim işleme yalnızca yeni araştırma modeli kullanarak varolan bir veri.
Veri madenciliği modelleri işleme hakkında daha fazla bilgi için bkz: Veri madenciliği nesneleri işleniyor.
INSERT INTO deyimi
saat serisi araştırma yapısı ve tüm ilişkili madenciliği modelleri eğitmek için (DMX) YERLEŞTİRİN. deyim.Kod, deyim aşağıdaki bölümlere ayrılmış.
Tanımlamaaraştırma yapısı
Araştırma yapısı sütunlar listesi
Eğitim veri tanımlama
Genel bir örneği aşağıda verilmiştir INSERT INTO deyim:
INSERT INTO MINING STRUCTURE [<mining structure name>]
(
<mining structure columns>
)
OPENQUERY (<source data definition>)
Kodun ilk satırı tanımlar araştırma yapısı , eğitmek:
INSERT INTO MINING STRUCTURE [<mining structure name>]
Sonraki kod satırlarını tarafından tanımlanan sütunları belirtmek araştırma yapısı.Her bir araştırma yapısı sütun listesi gerekir ve her sütun için kaynak sorgu veri içinde yer alan bir sütunu eşleştirmeniz gerekir.
(
<mining structure columns>
)
Son satır kodun araştırma yapısı eğitmek için kullanılan veri tanımlar.
OPENQUERY (<source data definition>)
Bu derste, kullandığınız OPENQUERY tanımlama kaynak veri.Kaynak verileri bir sorgu tanımlama diğer yöntemler hakkında daha fazla bilgi için bkz: <Kaynak veri sorgusu>.
Ders görevleri
Bu derste aşağıdaki görevi gerçekleştirecek:
İşlem araştırma yapısı Forecasting_MIXED_Structure
İlgili veri madenciliği modelleri işlemek Forecasting_MIXED, Forecasting_ARIMA, ve Forecasting_ARTXP
Zaman serisi araştırma yapısı işleniyor
INSERT INTO kullanarak araştırma yapısı ve ilgili veri madenciliği modelleri işlemek için
De Object Explorer, sağ örnek , 'ınAnalysis Servicesüzerine gelin Yeni bir sorguve i dmx.
Sorgu Düzenleyicisi açılır ve yeni, boş bir sorgu içeriyor.
INSERT INTO deyim genel örneği boş sorgu kopyalayın.
Aşağıdaki değiştirin:
[<mining structure>]
ile:
Forecasting_MIXED_Structure
Aşağıdaki değiştirin:
<mining structure columns>
ile:
[ReportingDate], [ModelRegion]
Aşağıdaki değiştirin:
OPENQUERY(<source data definition>)
ile:
OPENQUERY([Adventure Works DW 2008R2],'SELECT [ReportingDate], [ModelRegion], [Quantity], [Amount] FROM vTimeSeries ORDER BY [ReportingDate]')
Kaynak sorgu başvurular AdventureWorksDW2008R2 tanımlı veri kaynağı IntermediateTutorial örnek proje.Bu veri kaynak görünümü erişmek için kullandığı vTimeSeries.Bu görünüm, araştırma modeli eğitmek için kullanılan kaynak verileri içerir.Bu proje ya da bu görünümler hakkında bilgi sahibi değilseniz, bkz:Ders 2: Tahmin senaryo (Ara veri madenciliği Öğreticisi) oluşturma.
Şimdi, tam deyim aşağıdaki gibi olmalıdır:
INSERT INTO MINING STRUCTURE [Forecasting_MIXED_Structure] ( [ReportingDate],[ModelRegion],[Quantity],[Amount] ) OPENQUERY( [Adventure Works DW 2008R2], 'SELECT [ReportingDate],[ModelRegion],[Quantity],[Amount] FROM vTimeSeries ORDER BY [ReportingDate]' )
Üzerinde Dosya menüsünde'i tıklatın DMXQuery1.dmx Farklı Kaydet.
De Farklı Kaydet iletişim kutusunda uygun klasöre göz atın ve dosyayı adlandırın ProcessForecastingAll.dmx.
Araç çubuğundan, Execute düğme.
Sorgunun çalışması bittikten sonra Öngörüler işlenen veri madenciliği modelleri kullanarak oluşturabilirsiniz.Bir sonraki dersine birkaç Öngörüler oluşturduğunuz veri madenciliği modelleri temel oluşturacak.
Ayrıca bkz.