PredictTimeSeries (DMX)

語法

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>

引數

• <table column reference>, <scalar column referenc>
  指定要預測之資料行的名稱。此資料行可以包含純量或表格式資料。

• n
  指定要預測之後續步驟的數目。如果未針對 n 指定值，預設值為 1。

  n 不得為 0。如果您沒有至少進行一次預測，此函數會傳回錯誤。

• n-start, n-end
  指定時間序列步驟的範圍。

  n-start 必須為整數，而且不得為 0。

  n-end 必須是大於 n-start 的整數。

• <source query>
  定義用於進行預測的外部資料。

• REPLACE_MODEL_CASES | EXTEND_MODEL_CASES
  指示如何處理新的資料。

  REPLACE_MODEL_CASES 會指定應該使用新的資料來取代此模型中的資料點。但是，預測是根據現有採礦模型中的模式。

  EXTEND_MODEL_CASES 會指定新的資料應該加入到原始訓練資料集中。未來只有在新的資料使用完畢以後，才會針對複合資料進行預測。

  只有在使用 PREDICTION JOIN 陳述式加入新資料時，才可以使用這些引數。如果您使用 PREDICTION JOIN 查詢而且未指定引數，預設值會是 EXTEND_MODEL_CASES。

傳回類型

<table expression>。

備註

使用 PREDICTION JOIN 陳述式加入新資料時，Microsoft 時間序列演算法不支援歷程記錄預測。

在 PREDICTION JOIN 中，預測程序永遠會在原始定型序列一結束之後的時間步驟開始。即使您加入新資料也是如此。因此，n 參數和 n-start 參數值必須是大於 0 的整數。

範例

下列範例顯示如何根據現有的時間序列模型進行預測：

• 第一個範例顯示如何根據目前的模型進行指定之數目的預測。

• 第二個範例示範如何使用 REPLACE_MODEL_CASES 參數，將指定之模型中的模式套用到新的資料集。

• 第三個範例示範如何使用 EXTEND_MODEL_CASES 參數，以全新的資料更新採礦模型。

若要了解有關處理時間序列模型的詳細資訊，請參閱＜第 2 課：建立預測案例 (中繼資料採礦教學課程)＞和＜時間序列預測 DMX 教學課程＞資料採礦教學課程。

範例 1：預測時間配量數目

SELECT FLATTENED
    [Forecasting].[Model Region],
    PredictTimeSeries([Forecasting].[Quantity],3)AS t 
FROM
    [Forecasting]
WHERE [Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 Pacific'

範例 2：加入新資料並使用 REPLACE_MODEL_CASES

SELECT [Forecasting].[Model Region],
    PredictTimeSeries([Forecasting].[Quantity], 3, REPLACE_MODEL_CASES) 
FROM
    [Forecasting]
PREDICTION JOIN
  OPENQUERY([Adventure Works DW2008R2],
    '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]

範例 3：加入新資料並使用 EXTEND_MODEL_CASES

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')

範例 4：傳回時間序列預測的統計資料

PredictTimeSeries 函數不支援 INCLUDE_STATISTICS 做為參數。但是，下列查詢可用於傳回時間序列查詢的預測統計資料。這個方式也可以搭配具有巢狀資料表資料行的模型使用。

在這個特定模型中，可預測屬性為 Quantity，因此您必須使用 [Quantity] 當做 PredictTimeSeries 函數的第一個引數。如果您的模型使用不同的可預測屬性，可以替代不同的資料行名稱。

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'

範例結果：

請參閱

參考

概念