共用方式為


探索預測模型 (元數據採礦教學課程)

既然您已建置預測採礦模型,您可以使用數據採礦設計師的 [ 採礦模型查看器 ] 索引標籤來探索結果。 Microsoft時間序列查看器包含兩個索引標籤: 圖表模型

此外,您可以使用Microsoft泛型樹視圖器搭配所有模型。 每個視圖都會展現時間序列模型中信息稍微不同的樣貌。

圖表分頁

Microsoft時間序列查看器的 [ 圖表 ] 索引標籤會以圖形方式顯示每個系列,包括歷史數據和預測。 時間序列圖表中的每個線條都代表產品、區域和可預測屬性的唯一組合。

檢視器右側的圖例會根據下拉式清單中的選取來列出可用的時間序列。 您可以選取並清除圖例中的複選框,以控制圖形中顯示的時間序列。

您也可以變更顯示選項,例如用於每個時間序列的色彩,或是否要在圖表中的點顯示值。

選取時間序列

  1. 如果未能看到[圖表]索引標籤,請點擊[採礦模型查看器]索引標籤。

  2. 點選圖表檢視右側的下拉式清單,並選取所有的勾選框。 按一下 [確定]

    圖表現在應該包含24個不同的數列線。

  3. 在圖表右邊的複選框中,清除方塊,以暫時隱藏以Amount為基礎的所有數列的線條。

    現在,清除與 R750 和 R250 自行車相關的複選框。

    現在,圖表只包含下列六條數列線,因此您可以更輕鬆地比較 M200 和 T1000 自行車的趨勢。

    • M200 歐洲:數量

    • M200 北美洲:數量

    • M200 Pacific: Quantity

    • T1000 歐洲:數量

    • T1000 北美洲:數量

    • T1000 Pacific: Quantity

預測 M200 和 T1000 數量的系列

此查看器中顯示的圖表同時包含歷程記錄和預測數據。 預測的數據會以陰影來區分它與歷程記錄數據。 若要更輕鬆地比較不同的數列,您也可以變更與圖表中每一行相關聯的色彩。 如需詳細資訊,請參閱 變更數據採礦查看器中使用的色彩

從趨勢線中,您可以看到所有區域的總銷售額通常會增加,12 月每 12 個月達到頂峰。 從圖表中,您也可以看到 T1000 自行車的數據比其他產品系列的數據晚得多。 這是因為它是較新的產品,但由於此系列是以較少的數據為基礎,因此預測可能不精確。

根據預設,每個時間序列會顯示五個預測步驟,顯示為虛線。 您可以變更此值以檢視更多或更少的預測。 您也可以將誤差線新增至圖表,以圖形方式檢視預測的標準偏差。

變更 [圖表] 檢視中的預測和顯示選項

  1. 請嘗試逐漸變更 預測步驟 的值,將它從 5 增加到 10,然後回到 6

    當歷史數據有大幅度波動時,波動通常會隨著您增加預測數目而重複甚至放大。 您可能必須在此時進行一些研究,以了解歷史數據大幅增加的原因,然後決定是否要接受這些結果,在源數據中尋求某種修正,或在模型中套用某種平滑。

  2. 選取 [ 顯示偏差] 複選框。

    這個選項會顯示每個預測值的估計錯誤。

  3. 請注意 X 軸的刻度。 歷程記錄和預測數據的變更一律以百分比表示,但實際值會自動調整,以將所有值放入圖形上。 因此,在比較模型時,您必須小心不要只依賴視覺效果。 若要取得確切的值,或預測的百分比增加和值,請將滑鼠暫留在實線或虛線上,或點擊線條以查看採礦圖例中的值。

    提示:如果看不到 [採礦圖例 ],請切換至 [模型 檢視],以滑鼠右鍵按兩下任何節點,然後選取 [ 顯示圖例]。

從觀察這些趨勢中,您對某些系列數據不足感到擔憂,並想知道是否透過按型號平均銷售,或或許按區域平均銷售來獲得更可靠的預測。 在本教學稍後的課程中,您將深入探討這個方法。

回到頂端

模型分頁

數據採礦設計師中Microsoft時間序列查看器的 [模型 ] 索引標籤可讓您以樹狀圖的形式檢視預測模型。

首先,請注意,由於您的數據描述三個不同區域(歐洲、北美和太平洋)中多個產品線銷售的兩個不同的量值(數量和數量),因此您建置的模型實際上包含24個不同的樹狀結構,每個樹狀結構代表不同區域、產品組合的銷售模式模型、 和可預測的屬性。

您可以在 模型 索引標籤的 下拉式清單中選擇要查看的產品線、地區和銷售指標的組合。

那麼,您可以從將模型檢視為樹狀結構時學到什麼? 例如,讓我們比較兩個模型,一個在樹狀結構中有數個層級,另一個具有單一節點。

  • 當樹狀結構圖形包含單一節點時,表示模型中找到的趨勢在一段時間內大多是同質的。 您可以使用這個標示為 All 的單一節點來檢視描述輸入變數與結果之間關聯性的公式。

  • 當時間序列的樹狀圖有多個分支時,表示偵測到的時間序列太複雜,無法表示為單一方程式。 相反地,樹狀結構圖可能包含多個分支,每個分支都會加上導致樹分裂的條件。 當樹狀結構分割時,每個分支都代表不同的時間區段,其中趨勢可以描述為單一方程式。

    例如,如果您查看圖表圖表,並看到銷售量從 9 月某個時候開始突然跳躍,並持續到年終假日,您可以切換至 [模型 ] 檢視,以查看趨勢變更的確切日期。 樹狀結構中代表「九月前」和「九月之後」的分支會包含不同的公式:一個公式會以數學方式描述銷售趨勢到分割,另一個公式描述九月到年終假日的銷售趨勢。

探索時間序列模型的判定樹

  1. 在查看器的 [模型] 索引標籤上的 [樹狀結構] 清單中,選取 [T1000 歐洲:數量系列]。

    按一下標示為 [全部] 的節點。

    針對 [所有 ] 節點,出現的工具提示包含資訊,例如,整個序列中的案例數目,以及衍生自數據分析的時間序列方程式。

  2. 如果看不到 [採礦圖例 ],請以滑鼠右鍵按兩下節點,然後選取 [ 顯示圖例]。

    採礦圖例提供的資訊與工具提示中的大致相同。 如果任一個獨立變數是離散的,您也會看到直方圖,其中顯示節點中變數分佈。

  3. 現在選取不同的時間序列來檢視。 在查看器的 [模型] 索引標籤上,使用 [樹狀目錄] 列表,選取 [M200 北美洲:數量] 系列。

    樹狀結構圖現在包含 [所有 ] 節點和兩個子節點。 藉由查看子節點上的標籤,您可以瞭解趨勢線變更的點。

    對於每個子節點,採礦圖例的描述包括樹狀結構每個分支中的案例的數量。

下列清單描述樹狀結構查看器中的一些額外功能:

  • 您可以使用 Background 控制項來變更圖表中所代表的變數。 根據預設,較深的節點會包含更多案例,因為 Background 的值會設定為 Population。 若要查看節點中有多少案例,請在節點上暫停滑鼠,並檢視出現的工具提示,或按兩下節點並檢視 [節點圖例 ] 視窗中的數位。

  • 節點的回歸公式可以在工具提示中查看,或點擊節點檢視。 如果您已建立混合模型,您可以看到兩個公式,一個用於 ARTXP(在分葉節點中),另一個用於 ARIMA(在樹的根節點中)。

  • 小鑽石用於代表連續數字的節點。 屬性的範圍會顯示在鑽石放置的列中。 菱形會以節點的平均值為中心,菱形的寬度代表該節點屬性的變異程度。

回到頂端

(選擇性)一般內容樹狀結構查看器

除了時間序列的自定義查看器之外,Analysis Services 還提供 MicrosoftGeneric 內容樹檢視器 ,以搭配所有數據採礦模型使用。 此檢視器提供一些優點:

  • Microsoft時間序列查看器:此檢視會合併兩個演演算法的結果。 雖然您可以個別檢視每個數位,但無法判斷每個演算法的結果如何合併。 此外,在此檢視模式下,工具提示和採礦圖例只會顯示最重要的統計數據。

  • 一般內容樹視圖器:可讓您一次瀏覽和檢視模型中使用的所有數據系列,而且如果您已建立混合模型,ARIMA 和 ARTXP 樹狀結構都會顯示在相同的圖表中。

    您可以使用這個查看器從這兩個演算法取得所有統計數據,以及值的分佈。

    建議用於想要深入瞭解 ARIMA 和 ARTXP 分析的數據採礦專家使用者。

若要在一般內容查看器中檢視特定數據系列的詳細數據

  1. [採礦模型查看器] 標籤頁中,從 [查看器] 下拉式清單中選取 [Microsoft 一般內容樹視圖器]

  2. 在 [ 節點標題 ] 窗格中,按兩下最上層的 [全部] 節點。

  3. 在 [ 節點詳細數據 ] 窗格中,檢視ATTRIBUTE_NAME的值。

    這個值會顯示此節點包含哪一個數列或產品與區域的組合。 在 AdventureWorks 範例中,最上層的節點是 M200 Europe 系列。

  4. 在 [ 節點標題 ] 窗格中,找出具有子節點的第一個節點。

    如果數列節點有子系,則出現在 [Microsoft時間序列查看器] 之 [ 模型 ] 索引卷標上的樹視圖也會有分支結構。

  5. 展開節點,然後點擊其中一個子節點。

    架構NODE_DESCRIPTION數據行包含導致樹狀結構分割的條件。

  6. 在 [ 節點標題 ] 窗格中,按兩下最上層的 ARIMA 節點,然後展開節點,直到所有子節點都可見為止。

  7. 在 [ 節點詳細數據 ] 窗格中,檢視ATTRIBUTE_NAME的值。

    這個值會告訴您此節點包含哪個時間序列。 ARIMA 區段中最上層的節點應該符合 (All) 區段中最上層的節點。 在 AdventureWorks 範例中,此節點包含數列 M200 Europe 的 ARIMA 分析。

如需詳細資訊,請參閱時間序列模型的採礦模型內容(Analysis Services - 數據採礦)。

回到頂端

課程中的下一個工作

建立時間序列預測 (元數據採礦教學課程)

另請參閱

時間序列模型查詢範例
Microsoft 時間序列演算法技術參考