Anpassen und Verarbeiten des Forecasting-Modells (Data Mining-Lernprogramm für Fortgeschrittene)

  • Artikel

 

Gilt für: SQL Server 2016 Preview

Der Microsoft Time Series-Algorithmus umfasst mehrere Parameter, die sich darauf auswirken, wie ein Modell angelegt und wie die Zeitdaten analysiert werden. Eine Änderung dieser Eigenschaften kann sich wesentlich auf die Methode auswirken, mit der das Miningmodell Vorhersagen trifft.

Führen Sie für diesen Task im Lernprogramm die folgenden Tasks aus, das Modell zu ändern:

  1. Passen Sie die Möglichkeit, Ihr Modell Zeiträume behandelt, durch Hinzufügen eines neuen Werts für, die PERIODICITY_HINT Parameter.

  2. Sie erfahren über zwei andere wichtige Parameter für den Microsoft Time Series-Algorithmus: FORECAST_METHOD, mit dem Sie die zur Prognoseerstellung verwendete Methode festlegen, und PREDICTION_SMOOTHING, mit dem Sie den Übergang von langfristigen und kurzfristigen Vorhersagen anpassen können.

  3. Optional geben Sie dem Algorithmus an, wie fehlende Werte zugeschrieben werden sollen.

  4. Nachdem die Änderungen vorgenommen wurden, stellen Sie das Modell bereit und verarbeiten es.

Festlegen von Zeitreihenparametern

Periodizitätshinweise

Die PERIODICITY_HINT Parameter gibt den Algorithmus Informationen zu zusätzlichen Zeiträumen, die voraussichtlich in den Daten finden Sie unter. Standardmäßig versuchen Zeitreihenmodelle, automatisch ein Muster in den Daten zu erkennen. Wenn Sie jedoch bereits den erwarteten Zeitzyklus kennen, kann ein Periodizitätshinweis die Genauigkeit des Modells eventuell verbessern. Wenn Sie jedoch den falschen Periodizitätshinweis geben, kann dies die Genauigkeit verringern; wenn Sie also nicht sicher sind, welcher Wert verwendet werden soll, ist es am besten, beim Standard zu bleiben.

Die Sicht beispielsweise, die für dieses Modell verwendet wird, aggregiert monatlich Umsatzdaten von Adventure Works DW Multidimensional 2012. Daher steht jede vom Modell verwendete Zeitscheibe einen Monat dar, und alle Vorhersagen werden in Bezug auf Monate getroffen. Seit 12 Monate in einem Jahr vorhanden sind und Sie erwarten, dass das Muster für mehr oder weniger wiederholen jährlich, legen Sie die PERIODICITY_HINT Parameter 12, um anzugeben, dass 12 Zeitscheiben (Monate) bilden eine vollständige Verkaufschance.

Prognosemethode

Die FORECAST_METHOD Parameter steuert, ob der Time Series-Algorithmus für die kurz- oder langfristige Vorhersagen optimiert ist. In der Standardeinstellung die FORECAST_METHOD Parameter ist auf MIXED festgelegt, was bedeutet, dass zwei verschiedene Algorithmen werden gemischt und um gute Ergebnisse für kurzfristigen und langfristigen Vorhersagen zu ermöglichen.

Wenn Sie wissen, dass Sie einen bestimmten Algorithmus verwenden möchten, können Sie den Wert auf ARTXP oder ARIMA ändern.

Langfristiges Gewichten und Kurzfristige Vorhersagen

Mit dem PREDICTION_SMOOTHING-Parameter können Sie auch die Methode anpassen, mit der langfristige und kurzfristige Vorhersagen kombiniert werden. Der Parameter ist standardmäßig auf 0,5 festgelegt; dies stellt den besten Kompromiss für die Gesamtgenauigkeit dar.

So ändern Sie die Algorithmusparameter

  1. Auf der Miningmodelle Registerkarte der rechten Maustaste auf Forecasting, und wählen Sie Algorithmusparameter festlegen.

  2. In der PERIODICITY_HINT Zeile der Algorithmusparameter im Dialogfeld klicken Sie auf der Wert Spalte geben \ {12}, einschließlich der geschweiften Klammern.

    Standardmäßig wird der Algorithmus auch den Wert \ {1} hinzufügen.

  3. In der FORECAST_METHOD Zeile, überprüfen Sie, ob die Wert Textfeld ist, leer ist oder auf gemischt. Wenn ein anderer Wert eingegeben wurde, geben Sie gemischt So ändern Sie den Parameter auf den Standardwert zurück.

  4. In der PREDICTION_SMOOTHING Zeile, überprüfen Sie, ob die Wert Textfeld ist entweder leer oder den Wert 0,5. Wenn ein anderer Wert eingegeben wurde, klicken Sie auf Wert und 0,5 So ändern Sie den Parameter auf den Standardwert zurück.

    Hinweis


    Der PREDICTION_SMOOTHING-Parameter ist nur in SQL Server Enterprise verfügbar. Sie können den Wert des PREDICTION_SMOOTHING-Parameters daher in SQL Server Standard nicht ändern. Das Standardverhalten sieht jedoch die Verwendung beider Algorithmen mit gleicher Gewichtung vor.

  5. Klicken Sie auf OK.

Behandeln von unvollständigen Daten (optional)

Es kann häufig vorkommen, dass Verkaufsdaten unvollständig und mit NULL-Werten angegeben sind; auch kann es sein, dass die entsprechenden Daten nicht rechtzeitig von der Niederlassung gemeldet wurden und das Ende der Reihe eine leere Zelle aufweist. In derartigen Szenarien wird der folgende Fehler von Analysis Services generiert, und das Modell wird nicht verarbeitet.

"Fehler (Datamining): nicht synchronisierte Timestamps Reihe , des Miningmodells, . Alle Zeitreihen müssen an der gleichen Zeitmarkierung enden und dürfen keine beliebig fehlenden Datenpunkte aufweisen. Wenn Sie den MISSING_VALUE_SUBSTITUTION-Parameter auf "Previous" oder auf eine numerische Konstante festlegen, werden nach Möglichkeit automatisch fehlende Datenpunkte ergänzt."

Sie können diese Fehlermeldung umgehen, indem Sie angeben, dass fehlende Werte von Analysis Services automatisch mit einer der folgenden Methoden bereitgestellt werden:

  • Verwendung eines Mittelwerts. Dieser wird mit allen gültigen Werten in der gleichen Datenreihe berechnet.

  • Verwendung des vorherigen Werts. Sie können mehrere fehlende Zellen durch vorherige Werte ersetzen; Sie können jedoch keine Anfangswerte auffüllen.

  • Verwendung eines konstanten Werts, der vom Benutzer angegeben wird.

So füllen Sie Lücken mit Durchschnittswerten

  1. Auf der Miningmodelle Registerkarte der rechten Maustaste auf die Forecasting Spalte, und wählen Sie Algorithmusparameter festlegen.

  2. In der Algorithmusparameter Dialogfeld die MISSING_VALUE_SUBSTITUTION auf der Wert Spalte, und geben Sie bedeutet.

Erstellen des Modells

Um das Modell zu verwenden, müssen Sie es auf einem Server bereitstellen und dann verarbeiten, indem Sie die Trainingsdaten durch den Algorithmus verarbeiten lassen.

So verarbeiten Sie das Prognosemodell

  1. Auf der Miningmodell Menü SQL Server Data Tools, auf Miningstruktur verarbeiten und alle Modelle.

  2. Klicken Sie in der Meldung mit der Frage, ob Sie das Projekt erstellen und bereitstellen möchten, auf Ja.

  3. In der Miningstruktur verarbeiten - Prognose Dialogfeld klicken Sie auf Ausführen.

    Das Dialogfeld Verarbeitungsstatus wird geöffnet und zeigt Informationen zur Verarbeitung des Modells an. Die Verarbeitung des Modells kann einige Zeit in Anspruch nehmen.

  4. Nachdem die Verarbeitung abgeschlossen ist, klicken Sie auf Schließen , um das Dialogfeld Verarbeitungsstatus zu schließen.

  5. Klicken Sie auf Schließen wieder zu schließen die Miningstruktur verarbeiten - Forecasting im Dialogfeld.

Nächste Aufgabe in der Lektion

Untersuchen das Vorhersagemodell ( Datamining-Lernprogramm für fortgeschrittene )

Siehe auch

Technische Referenz für den Microsoft Time Series-Algorithmus
Microsoft Time Series-Algorithmus
Anforderungen und Überlegungen zur Verarbeitung (Data Mining)