Share via

Zaman serisi Predictions yedek veri (Ara veri incelemesi Öğreticisi) kullanma

  • Makale

Bu görev, dünya çapında satış verilerini temel alan yeni bir model inşa edecek. Ardından, dünya çapında satış modeli bir bireysel bölgeler için geçerli tahmin sorgu oluşturur.

Genel Model oluşturma

Özgün incelemesi modeli sonuçlarını analiz ve ürün bölgeler arasında büyük farklar ortaya unutmayın. Satış T1000 modelinin de yapmadım, Kuzey Amerika'da satış M200 modeli için güçlü bulunuyordu. Ancak, bazı serisi kadar veri veya veri zaman içinde farklı bir noktada başladı yoktu aslında analiz karmaşık. Bazı veriler de eksikti.

M200 ve T1000 miktarını tahmin eden seriler

Bazı veri kalitesi sorunları gidermek için dünya çapında satış verileri birleştirme ve genel satış eğilimleri kümesi herhangi bir bölgedeki gelecekteki satışları öngörmek için uygulanabilecek bir model oluşturmak için karar.

Tahminler oluşturduğunuzda, dünya çapında satış verileri eğitim tarafından oluşturulan desen kullanır, ancak her bir bölge için satış verileri ile historical veri noktalarını yerini alacak. Bu şekilde, eğilim şekli korunur ancak öngörülen değerleri her bölge ve model historical satış rakamları ile hizalanır.

Zaman serisi modeli ile çapraz tahmin gerçekleştirme

Başka bir dizi eğilimleri için tahminde bulunmak için bir kullanma işlemi çapraz tahmin denir. Çapraz tahmin birçok senaryoda kullanabilirsiniz: Örneğin, televizyon satış genel ekonomik aktivite iyi bir tahmin edilir ve televizyon satış genel ekonomik veriler için eğitilmiş bir model uygulamak karar verebilirsiniz.

SQL Server veri incelemesi, çapraz tahmin içinde bağımsız, replace_model_cases parametresi kullanarak gerçekleştirdiğiniz PredictTimeSeries (DMX).

Sonraki görev, replace_model_cases nasıl öğreneceksiniz. Birleştirilmiş dünya satış verilerini bir model oluşturmak için kullanın ve sonra değiştirilen verileri genel modeli eşleyen bir tahmin sorgu oluşturmak.

Nasıl veri incelemesi modelleri artık alışık olduğunuz ve böylece model oluşturma yönergeleri Basitleştirilmiş varsayılır.

Bir incelemesi yapısı ve toplanan verileri kullanarak incelemesi modeli oluşturmak için

  1. İçinde Solution Explorer, sağ Mining yapılarıve seçin Yeni Mining yapısı veri Mining Sihirbazı başlatmak için.

  2. Veri Mining Sihirbazı'nda, aşağıdaki seçimleri yapın:

    • Algoritması: Microsoft zaman Series

    • Gelişmiş Bu derste önceki modeli kaynağı olarak yerleşik veri kaynağını kullanın. See Gelişmiş Zaman serisi Predictions (Ara veri incelemesi Öğreticisi).

      Veri kaynağı görünüm: AllRegions

    • Serisi anahtar ve zaman anahtar için aşağıdaki sütunları seçin:

      Anahtar Saat:ReportingDate

      Anahtar:Region

    • Aşağıdaki sütunlar için tercih Inputve Predict:

      SumQty

      SumAmt

      AvgAmt

      AvgQty

    • İçin incelemesi yapısı adı, türü: Tüm bölgeler

    • İçin incelemesi model adını, türü: Tüm bölgeler

  3. Süreci yeni yapısı ve yeni model.

Tahmin sorgu oluşturma ve değiştirme verileri göster

  1. Model zaten açık değilse, çift AllRegionsYapı ve veri Mining Tasarımcısında, tıklayın Mining modeli tahmin sekmesi.

  2. İçinde Mining modeli bölmesi, model AllRegionszaten seçilmelidir. Seçilmezse, tıklayın Model Seçve modeli seçin AllRegions.

  3. İçinde Seç giriş tabloya bölmesini tıklatın Case Tablo Seç.

  4. İçinde Tablo Seç iletişim kutusunda, veri kaynağına değiştirmek T1000 Pacific Regionve'yi Tamam.

  5. Incelemesi modeli ve giriş verileri arasındaki birleştirme çizgisini sağ tıklatın ve seçin Değiştir bağlantıları. Veri kaynak görünümü veri modeli şekilde eşleştirilir:

    1. Emin olun ReportingDatesütun incelemesi modeli için eşleştirilir ReportingDategiriş verilerindeki sütun.

    2. İçinde Değiştirme eşleme iletişim kutusunda satır modeli sütun için AvgQtyaltında tıklayın Tablo sütun ve seçin T1000 Pacific.Quantity. Click OK.

      Bu adım, ortalama miktarı T1000 serisinin satış miktarı için gerçek verilere oluşabileceğini modelinde oluşturulmuş sütun eşleştirir.

    3. Sütun göster değil Regioniçin herhangi bir giriş sütun modeli.

      Model veri toplanan tüm seri, eşleşme T1000 Pacific gibi serisi değerleri ve tahmin sorgu çalıştığında bir hata oluşturulur.

  6. Şimdi tahmin sorgu oluşturacaksınız.

    İlk çıkışları sonuç için sütun ekleme AllRegionsEtiket modelinden predictions birlikte. Bu şekilde sonuçları genel modele dayalı biliyorum.

    1. Kılavuzda, altında ilk boş satırı tıklatın kaynakve seçin AllRegions mining model.

    2. İçin alanseçin Region.

    3. İçin ad, Model kullanılan yazın.

  7. Daha sonra başka bir etiket eklemek için sonuçları, hangi serisinin görebilmesi için tahmin olduğunu.

    1. Boş bir satırı tıklatın ve altı kaynakseçin Özel deyim.

    2. İçinde ad sütunu, ModelRegion yazın.

    3. İçinde Ölçüt bağımsız değişkeni sütun, yazın ' T1000 Pacific'.

  8. Şimdi çapraz tahmin işlevini ayarlamak.

    1. Boş bir satırı tıklatın ve altı kaynakseçin Tahmin işlevi.

    2. İn alan sütunu, seçme PredictTimeSeries.

    3. İçin ad, öngörülen değerleri yazın.

    4. Alan AvgQtydan Mining modeli bölmesine Ölçüt bağımsız değişkeni sürükle ve bırak işlemi kullanarak sütun.

    5. İçinde Ölçüt bağımsız değişkeni sütununda, alan adından sonra aşağıdaki metni yazın: , 5, replace_model_cases

      Tam metin Ölçüt bağımsız değişkeni metin kutusuna aşağıdaki gibi olmalıdır:[AllRegions].[AvgQty],5,REPLACE_MODEL_CASES

  9. Tıklayın sonuçları.

dmx çapraz tahmin sorgu oluşturma

Çapraz tahmin bir sorun fark olabilir: Yani, böylece her bir kümesini eşleyebilirsiniz Kuzey Amerika bölge T1000 ürün modeli gibi bir farklı veri serisi genel modeli uygulamak için dizilere ilişkin farklı bir sorgu oluşturmanız gerekir giriş modeli.

Ancak, Sorgu Tasarımcısı'nda bina yerine, dmx görünümüne geçin ve oluşturulan dmx deyimi düzenleyin. Örneğin, aşağıdaki dmx deyimi sadece yerleşik sorgu gösterir:

SELECT
      ([All Regions].[Region]) as [Model Used],
      ('T-1000 Pacific') as [ModelRegion],
      (PredictTimeSeries([All Regions].[Avg Qty],5, REPLACE_MODEL_CASES)) as [Predicted Quantity]
     FROM [All Regions]
PREDICTION JOIN
    OPENQUERY([Adventure Works DW2003R2], 'SELECT [ReportingDate] FROM
      (
       SELECT  ReportingDate, ModelRegion, Quantity, Amount 
       FROM dbo.vTimeSeries 
       WHERE (ModelRegion = N''T1000 Pacific'')
       ) as [T1000 Pacific]    ') 
    AS t
ON 
[All Regions].[Reporting Date] = t.[ReportingDate] 
AND 
[All Regions].[Avg Qty] = t.[Quantity]

SELECT
      ([All Regions].[Region]) as [Model Used],
      ('T-1000 Pacific') as [ModelRegion],
      (PredictTimeSeries([All Regions].[Avg Qty],5, REPLACE_MODEL_CASES)) as [Predicted Quantity]
     FROM [All Regions]
PREDICTION JOIN
    OPENQUERY([Adventure Works DW2003R2], 'SELECT [ReportingDate] FROM
      (
       SELECT  ReportingDate, ModelRegion, Quantity, Amount 
       FROM dbo.vTimeSeries 
       WHERE (ModelRegion = N''T1000 Pacific'')
       ) as [T1000 Pacific]    ') 
    AS t
ON 
[All Regions].[Reporting Date] = t.[ReportingDate] 
AND 
[All Regions].[Avg Qty] = t.[Quantity]

Bu farklı bir modeli uygulamak için sadece filtre koşulu değiştirmek ve her sonuç ile ilgili etiketleri güncellemek için sorgu deyimi düzenleyin.

Örneğin, 'Pasifik' değiştirerek, filtre koşulları ve sütun etiketlerini değiştirme 'Kuzey Amerika ile', Kuzey Amerika'da genel modelinde desenleri esas tahminler T1000 ürün alırsınız.

Ders sonraki görev

Tahmin modelleri (Ara veri incelemesi Öğreticisi) predictions karşılaştırma

Ayrıca bkz.

Başvuru

PredictTimeSeries (DMX)

Kavramlar

Zaman serisi modeli sorgu örnekleri