PredictTimeSeries (DMX)
Verir, gelecekteki değerleri saat veri dizisi için öngörülen.saat serisi verileri sürekli ve iç içe geçmiş bir tablo ya da büyük bir tablodaki depolanabilir.The PredictTimeSeries işlev always returns a nested tablo.
PredictTimeSeries(<table column reference>)
PredictTimeSeries(<table column reference>, n)
PredictTimeSeries(<table column reference>, n-start, n-end)
PredictTimeSeries(<scalar column reference>)
PredictTimeSeries(<scalar column reference>, n)
PredictTimeSeries(<scalar column reference>, n-start, n-end)
PredictTimeSeries(<table column reference>, n, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<table column reference>, n-start, n-end, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<scalar column reference>, n, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<scalar column reference>, n-start, n-end, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
Bağımsız değişkenler
<table column reference>, <scalar column referenc>
Tahmin etmek için bu sütunun adını belirtir.Sütun, skaler veya sekmeli veri içerebilir.n
Tahmin etmek için sonraki adım sayısını belirtir.Için bir değer belirtilmemişse, n, varsayılan değer 1'dir.n 0 olamaz.En az bir tahmin yapmak hata işlevini verir.
n-start, n-end
Seriler adımları saat aralık belirtir.n-start bir tamsayı olması gerekir ve 0 olamaz.
n-end büyük bir tamsayı olmalıdır n-start.
<source query>
Öngörüler yapmak için kullanılan bir dış veri) tanımlar.replace_model_cases | extend_model_cases
Yeni verileri nasıl işleyeceğini belirtir.Yeni verileri modelinde veri noktalarının değiştirilmesi gereken REPLACE_MODEL_CASES belirtir.Ancak, Öngörüler desenleri, varolan esas alan araştırma modeli.
EXTEND_MODEL_CASES yeni veriler özgün eğitim verileri eklenmesi gerektiğini belirtir küme.Gelecekteki Öngörüler bileşik veriler üzerinde yapılan küme yalnızca yeni veriler kullanıldı sonra.
Yalnızca yeni veriler, bir TAHMIN birleştirmek deyim kullanarak eklendiğinde, bu bağımsız değişkenleri kullanılabilir.Bir TAHMIN birleştirmek sorgusu kullanın ve bir bağımsız değişkeni belirtmezseniz, EXTEND_MODEL_CASES varsayılandır.
Dönüş Türü
C <table expression>.
Remarks
The Microsoft saat Series algorithm does not support historical tahmin when you use the tahmin birleştirmek deyim to add new data.
Bir TAHMIN birleştirmek içinde tahmin işlemi her saat saat adımda özgün eğitim serisi sonunda hemen başlatır.Yeni veri eklemek, bu durum geçerlidir.Bu nedenle, n parametre ve n-start parametre değeri sıfırdan büyük bir tamsayı olmalıdır.
Not
Yeni veri uzunluğu, tahmin için başlangıç noktası etkilemez.Yeni veri eklemek ve ayrıca yeni Öngörüler yapmak istiyorsanız, bu nedenle emin olun, ya da küme öngörü yeni verileri uzunluğundan büyük başlangıç noktası'değerine veya tahmin bitiş noktasını yeni veri uzunluğuyla genişletir.
Örnekler
Aşağıdaki örnekler, varolan bir saat serilerini modeli karşı Öngörüler nasıl gösterir:
Ilk örnek, belirtilen sayıda geçerli modele dayalı Öngörüler nasıl gösterir.
Ikinci örnek REPLACE_MODEL_CASES parametresi belirtilen modelinde desen için yeni bir uygulama için nasıl kullanılacağını göstermektedir küme veri.
Üçüncü örnek, EXTEND_MODEL_CASES parametre madenciliği model yeni verilerle güncelleştirmek için nasıl kullanılacağını gösterir.
saat serisi modelleri ile çalışma hakkında daha fazla bilgi için , veri madenciliği eğitmeni, bkz: Ders 2: Bir tahmin senaryosu (ara) veri madenciliği Öğreticisi) oluşturma ve saat serisi tahmin DMX Öğreticisi.
Not
Kendi modelinden farklı sonuçlar elde; yalnızca sonuç biçimini göstermek için aşağıdaki örnekleri sonuçlarını sağlanır.
Örnek 1: Saat dilimleri sayısı tahmin
Aşağıdaki örnek PredictTimeSeries işlev bir tahmin için sonraki dönmek için üç saat adımları ve sonuçlar, Avrupa ve Pasifik bölgelerde M200 seriyi kısıtlar. Kullanmanız gereken Bu modelde öngörülebilir özniteliği miktar olduğundan [Quantity] ilk bağımsız değişken olarak PredictTimeSeries işlev.
SELECT FLATTENED
[Forecasting].[Model Region],
PredictTimeSeries([Forecasting].[Quantity],3)AS t
FROM
[Forecasting]
WHERE [Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 Pacific'
Beklenen sonuçlar:
Model bölge |
t. $ saat |
t.Quantity |
---|---|---|
M200 Avrupa |
25/7/2004 12: 00: 00 am |
121 |
M200 Avrupa |
25/8/2004 12: 00: 00 am |
142 |
M200 Avrupa |
25/9/2004 12: 00: 00 am |
152 |
M200 Pasifik |
25/7/2004 12: 00: 00 am |
46 |
M200 Pasifik |
25/8/2004 12: 00: 00 am |
44 |
M200 Pasifik |
25/9/2004 12: 00: 00 am |
42 |
Bu örnekte, sonuçlar daha kolay okunur hale getirmek için FLATTENED anahtar kullanılmış.Bu sorgu, etmez FLATTENED anahtar sözcüğü kullanmak ve bunun yerine, sıradüzensel satır kümesi dönmek, iki sütunu döndürür.Ilk sütun [için ModelRegion] değeri içeren ve iç içe geçmiş bir tablo içeren iki sütun ikinci sütun içerir: $ TIME öngörülen saat dilimleri ve tahmini değerleri içeren bir miktar gösterir.
Örnek 2: Yeni veri ekleme ve REPLACE_MODEL_CASES kullanma
Belirli bir bölge için verileri hatalı bulmak varsayalım ve desenleri modelde kullanılacak, ancak Öngörüler, yeni verileri eşleştirmek için ayarlamak istediğiniz.Veya, başka bir bölgeye daha güvenilir eğilimleri vardır ve farklı bir bölgesinden gelen verileri en güvenilir modeli uygulamak istediğiniz bulabilirsiniz.
Bu senaryolarda, REPLACE_MODEL_CASES parametresini kullanın ve yeni bir geçmiş verileri olarak kullanılacak verileri belirtin.Bu şekilde, tahminler belirtilen modelinde desenleri temel alır, ancak yeni veri noktaları sonundan sorunsuz devam edecek.Bu senaryo tüm örneklerde için bkz: Toplanmış bir tahmin modeli (ara) veri madenciliği Öğreticisi) ekleme.
Aşağıdaki TAHMIN birleştirmek sorgusu veriyle ve yeni Öngörüler yapma sözdizimi gösterilmiştir.Örnek yeni veriler için tutar ve miktar sütunu değerini alır ve her iki tarafından çarpar:
SELECT [Forecasting].[Model Region],
PredictTimeSeries([Forecasting].[Quantity], 3, REPLACE_MODEL_CASES)
FROM
[Forecasting]
PREDICTION JOIN
OPENQUERY([Adventure Works DW2008],
'SELECT [ModelRegion],
([Quantity] * 2) as Quantity,
([Amount] * 2) as Amount,
[ReportingDate]
FROM [dbo].vTimeSeries
WHERE ModelRegion = N''M200 Pacific''
') AS t
ON
[Forecasting].[Model Region] = t.[ Model Region] AND
[Forecasting].[Reporting Date] = t.[ReportingDate] AND
[Forecasting].[Quantity] = t.[Quantity] AND
[Forecasting].[Amount] = t.[Amount]
Aşağıdaki karşılaştırır tablo sonuçlar, tahmin.
Özgün Öngörüler |
Güncelleştirilmiş Öngörüler |
---|---|
M200 Pasifik25/7/2004 12: 00: 00 am46
M200 Pasifik25/8/2004 12: 00: 00 am44
M200 Pasifik25/9/2004 12: 00: 00 am42
|
M200 Pasifik25/7/2004 12: 00: 00 am91
M200 Pasifik25/8/2004 12: 00: 00 am89
M200 Pasifik25/9/2004 12: 00: 00 am84
|
Örnek 3: Yeni veri ekleme ve EXTEND_MODEL_CASES kullanma
Örnek 3 kullanımını gösterir EXTEND_MODEL_CASES Varolan bir veri serisi sonuna eklenir ve yeni verileri seçeneği. Varolan veri noktalarını değiştirmek yerine yeni veri modeli eklenir.
Aşağıdaki örnekte, yeni verileri DOĞAL tahmin birleştirmek aşağıdaki SELECT deyiminde sağlanır.Bu sözdizimi ile yeni bir girdi için birden çok satır sağlayabilir, ancak her yeni girdi satırı benzersiz bir saat damgası olmalıdır:
SELECT [Model Region],
PredictTimeSeries([Forecasting].[Quantity], 5, EXTEND_MODEL_CASES)
FROM
[Forecasting]
NATURAL PREDICTION JOIN
(SELECT
1 as [Reporting Date],
10 as [Quantity],
'M200 Europe' AS [Model Region]
UNION SELECT
2 as [Reporting Date],
15 as [Quantity],
'M200 Europe' AS [Model Region]
) AS T
WHERE ([Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 Pacific')
Sorgu kullandığından EXTEND_MODEL_CASES seçeneği Analysis Services kendi Öngörüler için aşağıdaki eylemleri gerçekleştirir:
Model için iki yeni ayları veri ekleyerek eğitim durumlarda toplam boyutunu artırır.
Önceki durum verilerini sonunda Öngörüler başlatır.Bu nedenle, ilk iki Öngörüler modele eklediğiniz yeni fiili satış verilerini temsil eder.
Üç kalan için yeni Öngörüler döndürür yeni genişletilmiş modelini temel alan dilimleri saat.
Aşağıdaki tablo örnek 2 sorgu sonuçlarını listeler.Ilk iki M200 Avrupa için döndürülen değerleri tam olarak sağladığınız yeni değerleri aynı olduğuna dikkat edin.Bu davranış tasarım gereğidir, yeni verileri sonunda Öngörüler başlatmak isterseniz, başlangıç ve bitiş saat adım belirtmeniz gerekir.Bunun nasıl yapılacağı örneği için bkz: Ders 5: saat serisi modeli genişletme.
Ayrıca, Pasifik bölge için yeni veriyi sağladığınız değil, dikkat edin.Bu nedenle, Analysis Services tüm yeni Öngörüler döndürür beş dilimleri saat.
Miktar |
extend_model_cases |
---|---|
M200 Avrupa |
$ saatMiktar
7/25/2004 0:0010
8/25/2004 0:0015
9/25/2004 0:0072
10/25/2004 0:0069
11/25/2004 0:0068
|
M200 Pasifik |
$ saatMiktar
7/25/2004 0:0046
8/25/2004 0:0044
9/25/2004 0:0042
10/25/2004 0:0042
11/25/2004 0:0038
|
Örnek 4: Bir saat Series tahmin döndürdü istatistikleri
The PredictTimeSeries işlev does not support INCLUDE_STATISTICS as a parameter. Ancak, aşağıdaki sorgu saat serisi sorguda tahmin istatistiklerini dönmek için kullanılır.Bu yaklaşım, tablo sütunları, iç içe modelleriyle için de kullanılabilir.
Kullanmanız gereken Bu modelde öngörülebilir özniteliği miktar olduğundan [Quantity] ilk bağımsız değişken olarak PredictTimeSeries işlev. Modeliniz, farklı bir kullanıyorsa, Öngörülebilir öznitelik, farklı bir sütun adı yerine kullanabilirsiniz.
SELECT FLATTENED [Model Region],
(SELECT
$Time,
[Quantity] as [PREDICTION],
PredictVariance([Quantity]) AS [VARIANCE],
PredictStdev([Quantity]) AS [STDEV]
FROM
PredictTimeSeries([Quantity], 3) AS t
) AS t
FROM Forecasting
WHERE [Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 North America'
Örnek sonuçlar:
Model bölge |
t. $ saat |
t.tahmin |
t.VARIANCE |
t.STDEV |
---|---|---|---|---|
M200 Avrupa |
25/7/2004 12: 00: 00 am |
121 |
11.6050581415597 |
3.40661975300439 |
M200 Avrupa |
25/8/2004 12: 00: 00 am |
142 |
10.678201866621 |
3.26775180615374 |
M200 Avrupa |
25/9/2004 12: 00: 00 am |
152 |
9.86897842568614 |
3.14149302493037 |
M200 Kuzey Amerika |
25/7/2004 12: 00: 00 am |
163 |
1.20434529288162 |
1.20434529288162 |
M200 Kuzey Amerika |
25/8/2004 12: 00: 00 am |
178 |
1.65031343900634 |
1.65031343900634 |
M200 Kuzey Amerika |
25/9/2004 12: 00: 00 am |
156 |
1.68969399185442 |
1.68969399185442 |
Not
FLATTENED anahtar sözcüğü bu örnekte, sonuçlar sunmak daha kolay hale getirmek için kullanılan bir tablo; ancak, sağlayıcınız hiyerarşik Satır kümeleri destekliyorsa, FLATTENED anahtar atlayabilirsiniz.FLATTENED anahtar sözcüğünü atlarsanız, ilk sütun tanımlayan değeri içeren iki sütun, sorgu döndürür [Model Region] yuvalanmış içeren ikinci bir sütun ve veri serilerini tablo istatistik.
See Also