Contenido del modelo de minería de datos para los modelos de serie temporal (Analysis Services - Minería de datos)

Descripción de la estructura de un modelo de serie temporal

Un modelo de serie temporal tiene un nodo primario único que representa el modelo y sus metadatos. Debajo de ese nodo primario hay uno o dos árboles de serie temporal, según el algoritmo que se haya usado para crear el modelo.

Si crea un modelo mixto, se agregan al modelo dos árboles independientes: uno para ARIMA y el otro para ARTxp. Si decide utilizar sólo el algoritmo ARTxp o sólo el algoritmo ARIMA, tendrá un único árbol que corresponda a ese algoritmo. Puede especificar el algoritmo que desea utilizar estableciendo el parámetro FORECAST_METHOD. Para obtener más información sobre si utilizar ARTxp, ARIMA o un modelo mixto, vea Algoritmo de serie temporal de Microsoft.

En el diagrama se muestra un ejemplo de un modelo de minería de datos de serie temporal que se creó con la configuración predeterminada para crear un modelo mixto. Para poder comparar más fácilmente las diferencias entre los dos modelos, ARTxp se muestra aquí en el lado izquierdo del diagrama mientras que ARIMA se muestra en el lado derecho. Mientras que ARTxp es una estructura similar a un árbol que se divide en bifurcaciones cada vez menores, la estructura creada por el algoritmo ARIMA es más parecida a una pirámide que se genera a partir de los componentes más pequeños.

Si ve un modelo mixto utilizando el Visor de árbol de contenido genérico de Microsoft, los nodos de los modelos ARTxp y ARIMA se presentan todos como nodos secundarios del modelo de serie temporal primario. En la vista genérica de un modelo mixto, el primer conjunto de nodos se etiqueta (Todos) y representa los resultados del análisis del algoritmo ARTxp. El segundo conjunto de nodos se etiqueta ARIMA y representa los resultados del análisis del algoritmo ARIMA.

Una cuestión importante que hay que recordar es que la información se organiza dentro de los árboles ARIMA y ARTxp de maneras completamente diferentes, y se deben considerar los dos árboles como si únicamente se relacionaran en el nodo raíz. Aunque las dos representaciones se presentan en un modelo por comodidad, se deben tratar como dos modelos independientes. ARTxp representa una estructura de árbol real, pero ARIMA no.

Estructura del modelo ARTxp

Estructura del modelo ARIMA

Contenido del modelo para la serie temporal

En esta sección sólo se proporcionan detalles y ejemplos de las columnas del contenido del modelo de minería de datos que tienen una relevancia especial para los modelos de serie temporal.

Para obtener información sobre las columnas de uso general en el conjunto de filas de esquema, como MODEL_CATALOG y MODEL_NAME, o para obtener una explicación de la terminología del modelo de minería de datos, vea Contenido del modelo de minería de datos (Analysis Services - Minería de datos).

• MODEL_CATALOG
  Nombre de la base de datos en la que se almacena el modelo.

• MODEL_NAME
  Nombre del modelo.

• ATTRIBUTE_NAME
  Atributo de predicción para la serie de datos representada en el nodo. (El mismo valor que para MSOLAP_MODEL_COLUMN).

• NODE_NAME
  Nombre del nodo. Actualmente, esta columna contiene el mismo valor que NODE_UNIQUE_NAME, aunque esto podría cambiar en versiones futuras.

• NODE_UNIQUE_NAME
  Nombre único del nodo. El nodo primario del modelo siempre se denomina TS.

  ARTxp: cada nodo se representa mediante TS seguido de un valor numérico hexadecimal. Por ejemplo, los nodos ARTxp que se encuentran directamente debajo del árbol TS se podrían numerar como TS00000001-TS0000000b. El orden de los nodos no es significativo.

  ARIMA: cada nodo de un árbol ARIMA se representa mediante TA seguido de un valor numérico hexadecimal. Los nodos secundarios contienen el nombre único del nodo primario seguido de otro número hexadecimal que indica la secuencia dentro del nodo.

  Todos los árboles ARIMA se estructuran exactamente igual. Cada raíz contiene los nodos y la convención de nomenclatura ejemplificados en la tabla siguiente:

  Identificador de nodo ARIMA y tipo	Ejemplo de nombre de nodo
  Raíz ARIMA (27)	TA0000000b
  Estructura periódica ARIMA (28)	TA0000000b00000000
  Regresión automática ARIMA (29)	TA0000000b000000000
  Media móvil ARIMA (30)	TA0000000b000000001

• NODE_TYPE
  Un modelo de serie temporal genera los tipos de nodo siguientes, según el algoritmo.

  ARTxp:

  Identificador del tipo de nodo	Descripción
  1 (modelo)	Serie temporal
  3 (interior)	Representa una bifurcación interior dentro de un árbol de serie temporal ARTxp.
  16 (árbol de serie temporal)	Raíz del árbol ARTxp que corresponde a un atributo de predicción y una serie.
  15 (serie temporal)	Nodo hoja en el árbol ARTxp.

  ARIMA:

  Identificador del tipo de nodo	Descripción
  27 (raíz ARIMA)	Nodo superior de un árbol ARIMA.
  28 (estructura periódica ARIMA)	Componente de un árbol ARIMA que describe una estructura periódica única.
  29 (regresión automática ARIMA)	Contiene un coeficiente para una estructura periódica única.
  30 (media móvil ARIMA)	Contiene un coeficiente para una estructura periódica única.

• NODE_CAPTION
  Etiqueta o título asociado al nodo. Esta propiedad se usa principalmente para la presentación.

  ARTxp: contiene la condición de división para el nodo, que se muestra como una combinación de atributo e intervalo de valores.

  ARIMA: contiene la forma abreviada de la ecuación ARIMA.

  Para obtener información sobre el formato de la ecuación ARIMA, vea Leyenda de minería de datos para ARIMA.

• CHILDREN_CARDINALITY
  Número de elementos segundarios directos que tiene el nodo.

• PARENT_UNIQUE_NAME
  Nombre único del nodo primario del nodo. Se devuelve NULL para todos los nodos del nivel raíz.

• NODE_DESCRIPTION
  Descripción de texto de las reglas, divisiones o fórmulas del nodo actual.

  ARTxp: para obtener más información, vea Descripción del árbol ARTxp.

  ARIMA: para obtener más información, vea Descripción del árbol ARIMA.

• NODE_RULE
  Descripción XML de las reglas, divisiones o fórmulas en el nodo actual.

  ARTxp: NODE_RULE corresponde generalmente a NODE_CAPTION.

  ARIMA: para obtener más información, vea Descripción del árbol ARIMA.

• MARGINAL_RULE
  Descripción XML de la división o del contenido específico de ese nodo.

  ARTxp: MARGINAL_RULE corresponde generalmente a NODE_DESCRIPTION.

  ARIMA: siempre en blanco; utilice en su lugar NODE_RULE.

• NODE_PROBABILITY
  ARTxp: para los nodos de árbol, siempre es 1. Para los nodos hoja, la probabilidad de alcanzar el nodo desde el nodo raíz del modelo.

  ARIMA: siempre es 0.

• MARGINAL_PROBABILITY
  ARTxp: para los nodos de árbol, siempre es 1. Para los nodos hoja, es la probabilidad de alcanzar el nodo desde el nodo primario inmediato.

  ARIMA: siempre es 0.

• NODE_DISTRIBUTION
  Tabla que contiene el histograma de probabilidad del nodo. En un modelo de serie temporal, esta tabla anidada contiene todos los componentes necesarios para ensamblar la fórmula de regresión real.

  Para obtener más información sobre la tabla de distribución de nodos en un árbol ARTxp, vea Descripción del árbol ARTxp.

  Para obtener más información sobre la tabla de distribución de nodos en un árbol ARIMA, vea Descripción del árbol ARIMA.

  Si desea ver todas las constantes y otros componentes creados en un formato legible, utilice el Visor de series temporales, haga clic en el nodo y abra la Leyenda de minería de datos.

• NODE_SUPPORT
  Número de los casos que admiten este nodo.

  ARTxp: para el nodo (Todos), indica el número total de intervalos de tiempo incluidos en la bifurcación. Para los nodos terminales, indica el número de intervalos de tiempo que se incluyen en el intervalo que se describe mediante NODE_CAPTION. El número de intervalos de tiempo en los nodos terminales siempre se suma al valor NODE_SUPPORT del nodo (Todos) de la bifurcación.

  ARIMA: recuento de los casos que admiten la estructura periódica actual. El valor de los casos admitidos se repite en todos los nodos de la estructura periódica actual.

• MSOLAP_MODEL_COLUMN
  Atributo de predicción para la serie de datos representada en el nodo. (El mismo valor que para ATTRIBUTE_NAME).

• MSOLAP_NODE_SCORE
  Valor numérico que caracteriza el valor de información del árbol o división.

  ARTxp: el valor siempre es 0,0 para los nodos sin una división. Para los nodos con una división, representa la puntuación de grado de interés de la división.

  Para obtener más información acerca de los métodos de puntuación, vea Selección de características en minería de datos.

  ARIMA: puntuación del criterio de información Bayesiano (BIC, Bayesian Information Criterion) del modelo ARIMA. La misma puntuación se establece en todos los nodos ARIMA relacionados con la ecuación.

• MSOLAP_NODE_SHORT_CAPTION
  ARTxp: la misma información que NODE_DESCRIPTION.

  ARIMA: la misma información que NODE_CAPTION, es decir, la forma abreviada de la ecuación ARIMA.

Descripción del árbol ARTxp

El modelo ARTxp separa claramente las áreas de los datos que son lineales de las áreas de los datos que se dividen en algún otro factor. Siempre que los cambios en el atributo de predicción se pueden representar directamente como una función de las variables independientes, se calcula una fórmula de regresión para representar dicha relación. Por ejemplo, si hay una correlación directa entre el tiempo y las ventas de la mayoría de las series de datos, cada serie estará contenida dentro de un árbol de serie temporal (NODE_TYPE=16) que no tiene ningún nodo secundario para cada serie de datos, sólo una ecuación de regresión. Sin embargo, si la relación no es lineal, un árbol de serie temporal ARTxp puede dividir las condiciones en nodos secundarios, igual que un modelo de árbol de decisión. Al ver el contenido del modelo en el Visor de árbol de contenido genérico de Microsoft, puede saber dónde se producen las divisiones y cómo afecta esto a la línea de tendencias.

Por ejemplo, revise el modelo de serie temporal creado en el Tutorial básico de minería de datos. Este modelo, tomado de Adventure Works, no se basa en datos complejos. Por consiguiente, no hay muchas divisiones en el árbol ARTxp. Sin embargo, incluso este modelo relativamente simple ilustra tres tipos diferentes de divisiones:

• La línea de tendencias Amount para la región Pacific se divide en la clave temporal. Una división en la clave temporal significa que hay un cambio en la tendencia en un momento dado. La línea de tendencias sólo fue lineal hasta un cierto punto y, a continuación, la curva asumió una forma diferente. Por ejemplo, una serie temporal podría continuar hasta el 6 de agosto de 2002, y otra iniciarse después de esa fecha.

• La línea de tendencias Amount para la región North America se divide en otra variable. En este caso, la tendencia para North America se basa en el valor para el mismo modelo en la región Europe. En otras palabras, el algoritmo detectó que cuando el valor para Europe cambia, el valor para North America A también cambia.

• La línea de tendencias para la región Europe se divide.

¿Qué significa cada división? Interpretar la información transmitida por el contenido del modelo es un arte que requiere un conocimiento profundo de los datos y su significado en el contexto empresarial.

El vínculo aparente entre las tendencias para las regiones North America y Europe sólo puede significar que la serie de datos para Europe tiene más entropía, lo que hace que la tendencia para North America parezca más débil. O bien, es posible que no haya ninguna diferencia significativa en la puntuación para las dos, y la correlación podría ser accidental basándose simplemente en que Europe se calcula antes que North America. Sin embargo, puede ser aconsejable revisar los datos y asegurarse de si la correlación es falsa, o investigar si podría haber algún otro factor implicado.

La división en la clave temporal significa que hay un cambio estadísticamente significativo en el gradiente de la línea. Esto podría deberse a factores matemáticos, como la compatibilidad de cada intervalo o los cálculos de entropía requeridos para la división. Así, es posible que esta división no sea interesante en lo que se refiere al significado del modelo en el mundo real. Sin embargo, al revisar el período indicado en la división, pueden encontrarse correlaciones interesantes que no están representadas en los datos, como un tipo de promoción de ventas u otro evento que comience en ese momento y pueda haber afectado a los datos.

Si los datos contuvieran otros atributos, muy probablemente habría ejemplos más interesantes de bifurcación en el árbol. Por ejemplo, si realizó el seguimiento de la información meteorológica y la utilizó como atributo para el análisis, es posible que vea varias divisiones en el árbol que representan la interacción compleja de las ventas y el tiempo meteorológico.

En resumen, la minería de datos es útil para proporcionar sugerencias sobre dónde se producen fenómenos potencialmente interesantes, pero se requieren una investigación más extensa y la experiencia de los usuarios empresariales para interpretar con precisión el valor de la información en su contexto.

Elementos de la fórmula de serie temporal ARTxp

Usar la fórmula de serie temporal ARTxp

SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_NAME,
NODE_CAPTION, 
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE, [VARIANCE], VALUETYPE
FROM NODE_DISTRIBUTION) as t
FROM Forecasting.CONTENT
WHERE NODE_TYPE = 15

Descripción del árbol ARIMA

Cada estructura de un modelo ARIMA corresponde a una periodicidad o estructura periódica. Una estructura periódica es un modelo de datos que se repite a lo largo de la serie de datos. Se permite alguna variación poco importante en el modelo, dentro de los límites estadísticos. La periodicidad se mide según las unidades de tiempo predeterminadas que se usaron en los datos de entrenamiento. Por ejemplo, si los datos de entrenamiento proporcionan datos de ventas para cada día, la unidad de tiempo predeterminada es un día y todas las estructuras periódicas se definen como un número especificado de días.

Cada período detectado por el algoritmo obtiene su propio nodo de estructura. Por ejemplo, si está analizando datos de ventas diarias, los modelos podrían detectar estructuras periódicas que representen semanas. En este caso, el algoritmo creará dos estructuras periódicas en el modelo terminado: una para el período diario predeterminado, que se indica con {1}, y otra para las semanas, que se indica con {7}.

Por ejemplo, la consulta siguiente devuelve todas las estructuras ARIMA de un modelo de minería de datos.

SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_NAME, NODE_CAPTION
FROM Forecasting.CONTENT
WHERE NODE_TYPE = 27

Resultados del ejemplo:

Con estos resultados, que también puede examinar mediante el Visor de árbol de contenido genérico de Microsoft (Diseñador de minería de datos), puede indicar de un vistazo qué series son completamente lineales, cuáles tienen varias estructuras periódicas, y cuáles son las periodicidades detectadas.

Por ejemplo, la forma abreviada de la ecuación ARIMA para la serie M200 Europe indica que sólo se detectó el ciclo predeterminado: diariamente. La forma abreviada de la ecuación se proporciona en la columna NODE_CAPTION.

Sin embargo, para la serie M200 North America, se encontró una estructura periódica adicional. El nodo TA00000001 tiene dos nodos secundarios, uno con la ecuación, (1,0,4), y otro con la ecuación, (1,1,4)(6). Estas ecuaciones se concatenan y se presentan en el nodo primario.

Para cada estructura periódica, el contenido del modelo también proporciona el orden y la media móvil como nodos secundarios. Por ejemplo, la consulta siguiente recupera los nodos secundarios de uno de los nodos enumerados en el ejemplo anterior. Observe que la columna, PARENT_UNIQUE_NAME, debe ir entre corchetes para distinguirla de la palabra clave reservada con la misma denominación.

SELECT * 
FROM Forecasting.CONTENT
WHERE [PARENT_UNIQUE_NAME] = ' TA00000001'

Dado que este es un árbol ARIMA, no un árbol ARTxp, no de puede utilizar la función IsDescendant (DMX) para devolver los nodos que sean secundarios de esta estructura periódica. En su lugar, se pueden utilizar los tipos de nodo y atributo para filtrar los resultados, y devolver los nodos secundarios que proporcionan más detalles sobre cómo se generó la ecuación, incluidos las medias móviles y el orden de diferencia.

SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_UNIQUE_NAME,
NODE_TYPE,  NODE_CAPTION
FROM Forecasting.CONTENT
WHERE [MSOLAP_MODEL_COLUMN] ='M200 North America:Quantity'
AND (NODE_TYPE = 29 or NODE_TYPE = 30)

Resultados del ejemplo:

Estos ejemplos muestran que cuanto más explore en profundidad en el árbol ARIMA, más detalles se revelarán, pero la información importante se combina y se presenta también en el nodo primario.

Fórmula de serie temporal para ARIMA

Usar la información del árbol ARIMA

Comentarios

Puede ser difícil recuperar la información de un árbol ARTxp, porque la información de cada división está en un lugar diferente dentro del árbol. Por consiguiente, con un modelo ARTxp, debe obtener todas las partes y, a continuación, llevar a cabo cierto procesamiento que reconstituya la fórmula completa. Recuperar una ecuación de un modelo ARIMA es más fácil porque la fórmula está disponible en todo el árbol. Para obtener más información sobre cómo crear una consulta para recuperar esta información, vea Consultar un modelo de serie temporal (Analysis Services: minería de datos).

Vea también

Referencia

Conceptos