Leçon 5 : Extension du modèle de série chronologique

Exécution de prédictions avec EXTEND_MODEL_CASES

Les exemples génériques suivants de prédiction de série chronologique utilisent EXTEND_MODEL_CASES. Le premier exemple vous permet de spécifier le nombre de prédictions commençant à partir de la dernière étape du modèle d'origine :

SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n, EXTEND_MODEL_CASES) 
FROM <mining model>
PREDICTION JOIN <source query>
[WHERE <criteria>]

Le deuxième exemple vous permet de spécifier l'étape à laquelle les prédictions doivent démarrer et celle à laquelle elles doivent se terminer. Cette option est importante lorsque vous étendez les cas de modèles parce que, par défaut, les étapes utilisées pour les requêtes de prédiction démarrent toujours à la fin de la série d'origine.

SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n-start, n-end, EXTEND_MODEL_CASES) 
FROM <mining model>
PREDICTION JOIN <source query>
[WHERE <criteria>}

Dans ce didacticiel, vous allez créer deux types de requêtes.

Pour créer une requête singleton de prédiction sur un modèle de série chronologique

Démarrage de prédiction avec EXTEND_MODEL_CASES

Maintenant que vous avez créé des prédictions basées sur le modèle d'origine, et avec de nouvelles données, vous pouvez comparer les résultats pour observer comment la mise à jour des données de ventes affecte les prédictions. Avant cela, examinez le code que vous venez de créer et remarquez ce qui suit :

• Vous avez fourni de nouvelles données uniquement pour la région Europe.

• Vous avez fourni des nouvelles données uniquement pour deux mois.

Le tableau suivant montre comment les nouvelles valeurs fournies pour M200 Europe affectent les prédictions. Vous n'avez pas fourni de nouvelles données pour le produit M200 dans la région Pacific, mais cette série est présentée à titre de comparaison :

D'après ces résultats, vous pouvez conclure deux choses :

• Les deux premières prédictions pour la série M200 Europe sont exactement les mêmes que les nouvelles données que vous avez fournies. Par sa conception, Analysis Services renvoie les nouveaux points de données réels au lieu d'élaborer une prédiction. Ceci est dû au fait que lorsque vous étendez les cas de modèles, les étapes utilisées pour les requêtes de prédiction démarrent toujours à la fin de la série d'origine. Par conséquent, si vous ajoutez deux nouveaux points de données, les deux premières prédictions renvoyées et les nouvelles données se chevauchent.

• Après avoir utilisé tous les nouveaux points de données, Analysis Services élabore des prédictions selon le modèle mis à jour. Par conséquent, à compter de septembre 2005, vous pouvez observer la différence entre les prédictions pour M200 Europe depuis le modèle d'origine, dans la colonne gauche, et le modèle qui utilise EXTEND_MODEL_CASES, dans la colonne droite. Les prédictions sont différentes parce que le modèle a été mis à jour avec les nouvelles données.

Utilisation d'étapes de début et de fin pour contrôler des prédictions

Lorsque vous étendez un modèle, les nouvelles données sont toujours jointes à la fin de la série. Toutefois, à des fins de prédiction, les tranches de temps utilisées pour les requêtes de prédiction commencent toujours à la fin de la série d'origine. Si vous souhaitez obtenir uniquement les nouvelles prédictions lorsque vous ajoutez les nouvelles données, vous devez spécifier le point de départ sous la forme d'un nombre de tranches de temps. Par exemple, si vous ajoutez deux nouveaux points de données et souhaitez élaborer quatre nouvelles prédictions, vous devez procéder comme suit :

• Créez une jointure PREDICTION JOIN sur un modèle de série chronologique et spécifiez deux mois de nouvelles données.

• Demandez des prédictions pour quatre tranches de temps, dont le point de départ est la tranche de temps 3 et le point de terminaison la tranche de temps 6.

En d'autres termes, si vos nouvelles données contiennent n tranches horaires et que vous demandez des prédictions pour les étapes 1 à n, les prédictions coïncideront avec la même période que les nouvelles données. Pour obtenir de nouvelles prédictions pour des périodes non couvertes par vos données, vous devez commencer les prédictions à la tranche horaire n+1 après la nouvelle série de données ou vous assurer de demander des tranches de temps supplémentaires.

L'exemple suivant présente l'instruction DMX qui vous permet d'obtenir uniquement les nouvelles prédictions pour les deux séries mentionnées dans l'exemple précédent.

SELECT [Model Region],
PredictTimeSeries([Quantity],3,6, EXTEND_MODEL_CASES) AS PredictQty
FROM
   [Forecasting_MIXED]
NATURAL PREDICTION JOIN 
(
   SELECT 1 AS [ReportingDate],
  '10' AS [Quantity],
  'M200 Europe' AS [ModelRegion]
UNION SELECT
  2 AS [ReportingDate],
  15 AS [Quantity]),
  'M200 Europe' AS [ModelRegion]
) AS t
WHERE [ModelRegion] = 'M200 Europe'

Les résultats de prédiction démarrent à la tranche de temps 3, qui se situe après les 2 mois de nouvelles données que vous avez fournis.

Exécution de prédictions avec REPLACE_MODEL_CASES

Le remplacement des cas de modèles s'avère utile lorsque vous souhaitez effectuer l'apprentissage d'un modèle sur un ensemble de cas, puis appliquer ce modèle à une série de données différente. Une procédure pas à pas détaillée de ce scénario est présentée dans la Leçon 2 : génération d'un scénario de prévision (Didacticiel intermédiaire sur l'exploration de données).

Voir aussi

Référence

Concepts