Contenu du modèle d'exploration de données pour les modèles de séries chronologiques (Analysis Services - Exploration de données)

Fonctionnement de la structure d'un modèle de série chronologique

Un modèle de série chronologique comprend un nœud parent unique qui représente le modèle et ses métadonnées. Sous ce nœud parent se trouvent un ou deux arbres de série chronologique, en fonction de l'algorithme que vous avez utilisé pour créer le modèle.

Si vous créez un modèle mixte, deux arbres distincts sont ajoutés au modèle : un pour ARIMA et un pour ARTxp. Si vous choisissez d'utiliser uniquement l'algorithme ARTxp ou uniquement l'algorithme ARIMA, vous disposerez d'un seul arbre qui correspond à cet algorithme. Vous spécifiez l'algorithme à utiliser en définissant le paramètre FORECAST_METHOD. Pour plus d'informations sur l'opportunité d'utiliser ARTxp, ARIMA ou un modèle mixte, consultez Algorithme MTS (Microsoft Time Series).

Le diagramme présente un exemple de modèle d'exploration de données de série chronologique qui a été créé avec les paramètres par défaut pour créer un modèle mixte. Afin que vous puissiez comparer plus aisément les différences entre les deux modèles, le modèle ARTxp est affiché ici sur le côté gauche du diagramme et le modèle ARIMA est affiché dans le côté droit. Alors qu'ARTxp est une structure en forme d'arbre qui se divise en branches de plus en plus petites, la structure créée par l'algorithme ARIMA ressemble plus à une pyramide construite vers le haut à partir de composants plus petits.

Si vous affichez un modèle mixte à l'aide de la Visionneuse de l'arborescence de contenu de modèle générique Microsoft, les nœuds des modèles ARTxp et ARIMA sont tous présentés comme des nœuds enfants du modèle de série chronologique parent. Dans la vue générique d'un modèle mixte, le premier ensemble de nœuds est intitulé (Tout) et représente les résultats de l'analyse par l'algorithme ARTxp. Le second ensemble de nœuds est intitulé ARIMA et représente les résultats de l'analyse par l'algorithme ARIMA.

Le point important à retenir est que les informations sont organisées de façons complètement différentes dans les arbres ARIMA et ARTxp, et vous devez considérer les deux arbres comme liés uniquement au niveau du nœud racine. Bien que les deux représentations soient présentées dans un seul modèle pour des raisons de commodité, elles doivent être considérées comme deux modèles indépendants. ARTxp représente un arbre réel, mais pas ARIMA.

Structure du modèle ARTxp

Structure du modèle ARIMA

Contenu du modèle pour la série chronologique

Cette section fournit des informations et des exemples pour les colonnes du contenu du modèle d'exploration de données qui sont particulièrement pertinentes pour les modèles de séries chronologiques.

Pour plus d'informations sur les colonnes à caractère général de l'ensemble de lignes de schéma, telles que MODEL_CATALOG et MODEL_NAME, ou pour obtenir des explications sur la terminologie relative aux modèles d'exploration de données, consultez Contenu du modèle d'exploration de données (Analysis Services - Exploration de données).

• MODEL_CATALOG
  Nom de la base de données où le modèle est stocké.

• MODEL_NAME
  Nom du modèle.

• ATTRIBUTE_NAME
  Attribut prévisible pour la série de données représentée dans le nœud. (Même valeur que pour MSOLAP_MODEL_COLUMN.)

• NODE_NAME
  Nom du nœud. Actuellement, cette colonne contient la même valeur que NODE_UNIQUE_NAME, bien que cela puisse changer dans les versions ultérieures.

• NODE_UNIQUE_NAME
  Nom unique du nœud. Le nœud parent du modèle est toujours nommé TS.

  ARTxp : chaque nœud est représenté par TS suivi d'une valeur numérique hexadécimale. Par exemple, les nœuds ARTxp situés directement sous l'arbre TS peuvent être numérotés TS00000001-TS0000000b. L'ordre des nœuds est sans importance.

  ARIMA : chaque nœud d'un arbre ARIMA est représenté par TA suivi d'une valeur numérique hexadécimale. Les nœuds enfants contiennent le nom unique du nœud parent suivi d'un autre nombre hexadécimal indiquant la séquence dans le nœud.

  Tous les arbres ARIMA sont exactement la même structure. Chaque racine contient les nœuds et la convention d'affectation des noms illustrés par un exemple dans le tableau suivant :

  ID et type du nœud ARIMA	Exemple de nom de nœud
  Racine ARIMA (27)	TA0000000b
  Structure périodique ARIMA (28)	TA0000000b00000000
  ARIMA autorégressif (29)	TA0000000b000000000
  Moyenne mobile ARIMA (30)	TA0000000b000000001

• NODE_TYPE
  Un modèle de série chronologique produit les types de nœuds suivants, en fonction de l'algorithme.

  ARTxp :

  ID du type de nœud	Description
  1 (Modèle)	MTS (Microsoft Time Series)
  3 (Intérieur)	Représente une branche intérieure d'un arbre de série chronologique ARTxp.
  16 (Arbre de série chronologique)	Racine d'arbre ARTxp qui correspond à un attribut prévisible et une série.
  15 (Série chronologique)	Nœud terminal de l'arbre ARTxp.

  ARIMA :

  ID du type de nœud	Description
  27 (Racine ARIMA)	Nœud supérieur d'un arbre ARIMA.
  28 (Structure périodique ARIMA)	Composant d'un arbre ARIMA qui décrit une structure périodique unique.
  29 (ARIMA autorégressif)	Contient un coefficient pour une structure périodique unique.
  30 (Moyenne mobile ARIMA)	Contient un coefficient pour une structure périodique unique.

• NODE_CAPTION
  Étiquette ou légende qui est associée au nœud. Cette propriété est principalement utilisée à des fins d'affichage.

  ARTxp : Contient la condition de division pour le nœud, affichée sous la forme d'une association d'attribut et de plage de valeurs.

  ARIMA : Contient la forme abrégée de l'équation ARIMA.

  Pour plus d'informations sur le format de l'équation ARIMA, consultez Légende d'exploration de données pour la formule ARIMA.

• CHILDREN_CARDINALITY
  Nombre d'enfants directs de ce nœud.

• PARENT_UNIQUE_NAME
  Nom unique du parent du nœud. La valeur NULL est retournée pour tous les nœuds situés au niveau de la racine.

• NODE_DESCRIPTION
  Description, sous forme de texte, des règles, divisions ou formules dans le nœud actuel.

  ARTxp : pour plus d'informations, consultez Fonctionnement de l'arbre ARTxp.

  ARIMA : pour plus d'informations, consultez Fonctionnement de l'arbre ARIMA.

• NODE_RULE
  Description XML des règles, divisions ou formules dans le nœud actuel.

  ARTxp : la valeur NODE_RULE correspond généralement à la valeur NODE_CAPTION.

  ARIMA : pour plus d'informations, consultez Fonctionnement de l'arbre ARIMA.

• MARGINAL_RULE
  Description XML de la division ou du contenu qui est spécifique à ce nœud.

  ARTxp : la valeur MARGINAL_RULE correspond généralement à la valeur NODE_DESCRIPTION.

  ARIMA : toujours vide ; utilisez NODE_RULE à la place.

• NODE_PROBABILITY
  ARTxp : pour les nœuds d'arbre, toujours 1. Pour les nœuds terminaux, probabilité d'atteindre le nœud à partir du nœud racine du modèle.

  ARIMA : toujours 0.

• MARGINAL_PROBABILITY
  ARTxp : pour les nœuds d'arbre, toujours 1. Pour les nœuds terminaux, probabilité d'atteindre le nœud à partir du nœud parent immédiat.

  ARIMA : toujours 0.

• NODE_DISTRIBUTION
  Table qui contient l'histogramme de probabilité du nœud. Dans un modèle de série chronologique, cette table imbriquée contient tous les composants requis pour assembler la formule de régression réelle.

  Pour plus d'informations sur la table de distribution du nœud dans un arbre ARTxp, consultez Fonctionnement de l'arbre ARTxp.

  Pour plus d'informations sur la table de distribution du nœud dans un arbre ARIMA, consultez Fonctionnement de l'arbre ARIMA.

  Si vous voulez afficher toutes les constantes et d'autres composants composés dans un format lisible, utilisez la Visionneuse de l'algorithme MTS (Microsoft Time Series), cliquez sur le nœud, puis ouvrez Légende d'exploration de données.

• NODE_SUPPORT
  Nombre de cas qui prennent en charge ce nœud.

  ARTxp : pour le nœud (Tout), indiquez le nombre total de tranches de temps incluses dans la branche. Pour les nœuds de terminaison, indique le nombre des tranches de temps incluses dans la plage décrite par NODE_CAPTION. Le nombre de tranches de temps dans les nœuds de terminaison s'additionne toujours à la valeur NODE_SUPPORT du nœud (Tout) de la branche.

  ARIMA : Nombre de cas qui prennent en charge la structure périodique actuelle. La valeur de prise en charge est répétée dans tous les nœuds de la structure périodique actuelle.

• MSOLAP_MODEL_COLUMN
  Attribut prévisible pour la série de données représentée dans le nœud. (Même valeur que pour ATTRIBUTE_NAME.)

• MSOLAP_NODE_SCORE
  Valeur numérique qui caractérise la valeur d'information de l'arbre ou de la division.

  ARTxp : la valeur est toujours 0.0 pour les nœuds sans division. Pour les nœuds avec division, représente le score d'intérêt et pertinence de la division.

  Pour plus d'informations sur les méthodes de calcul de score, consultez Sélection des fonctionnalités pour l'exploration de données.

  ARIMA : score BIC (Bayesian Information Criterion) du modèle ARIMA. Le même score est défini sur tous les nœuds ARIMA en rapport avec l'équation.

• MSOLAP_NODE_SHORT_CAPTION
  ARTxp : mêmes informations que pour NODE_DESCRIPTION.

  ARIMA : mêmes informations que pour NODE_CAPTION, à savoir forme abrégée de l'équation ARIMA.

Fonctionnement de l'arbre ARTxp

Le modèle ARTxp sépare clairement les zones des données qui sont linéaires des zones des données qui se divisent sur un autre facteur. Chaque fois que les modifications de l'attribut prévisible peuvent être représentées directement sous la forme d'une fonction des variables indépendantes, une formule de régression est calculée pour représenter cette relation. Par exemple, s'il existe une corrélation directe entre le temps et les ventes pour la plupart des séries de données, chaque série serait contenue dans un arbre de série chronologique (NODE_TYPE = 16) qui n'a pas de nœuds enfants, mais uniquement une équation de régression, pour chaque série de données. Toutefois, si la relation n'est pas linéaire, un arbre de série chronologique ARTxp peut se diviser sur les conditions dans les nœuds enfants, de la même manière qu'un modèle d'arbre de décision. En affichant le contenu du modèle dans la Visionneuse de l'arborescence de contenu générique Microsoft, vous pouvez voir où les divisions se produisent, et comment il affecte la courbe de tendance.

Par exemple, examinez le modèle de série chronologique créé dans le didacticiel sur l'exploration de données de base. Ce modèle, pris dans Adventure Works, n'est pas basé sur des données complexes. Par conséquent, l'arbre ARTxp comprend peu de divisions. Toutefois, ce modèle relativement simple illustre tout de même trois types de divisions différents :

• La courbe de tendance Amount pour la région Pacific divise la clé de temps. Une division sur la clé de temps signifie qu'il y a une modification de la tendance à un moment donné. La courbe de tendance était linéaire uniquement jusqu'à un certain point, puis la courbe a adopté une forme différente. Par exemple, une série chronologique peut continuer jusqu'au 6 août 2002, et une autre série chronologique démarre après cette date.

• La courbe de tendance Amount pour la région North America se divise sur une autre variable. Dans le cas présent, la tendance pour North America se divise en fonction de la valeur du même modèle dans la région Europe. En d'autres termes, l'algorithme a détecté que lorsque la valeur pour Europe change, la valeur pour North America A change également.

• La courbe de tendance pour la région Europe se divise sur elle-même.

Que signifie chaque division ? L'interprétation des informations fournies par le contenu du modèle est une illustration qui requiert une compréhension approfondie des données et de leur sa signification dans le contexte d'entreprise.

Le lien apparent entre les tendances pour les régions North America et Europe peut signifier uniquement que la série de données pour Europe a plus d'entropie, ce qui implique que la tendance pour North America apparaît plus faible. Il peut également n'y avoir aucune différence significative dans le calcul du score pour les deux, et la corrélation pourrait être accidentelle, basée simplement sur le fait que le calcul pour Europe est effectué avant le calcul pour North America. Toutefois, vous pouvez examiner les données et vérifier si la corrélation est fausse, ou effectuer une analyse pour voir si un autre facteur est impliqué.

La division sur la clé de temps signifie qu'il y a une modification significative d'un point de vue statistique dans le gradient de la ligne. Cela a pu être dû à des facteurs mathématiques tels que la prise en charge de chaque plage, ou aux calculs de l'entropie requise pour la division. Par conséquent, cette division peut ne pas être intéressante en termes de signification du modèle en situation réelle. Toutefois, lorsque vous examinez la période indiquée dans la division, vous pouvez trouver des corrélations intéressantes qui ne sont pas représentées dans les données, telles qu'une vente promotionnelle ou un autre événement qui a commencé à ce moment-là et qui a peut-être affecté les données.

Si les données contenaient d'autres attributs, vous voudrez très probablement voir d'autres exemples intéressants de création de branche dans l'arbre. Par exemple, si vous avez suivi des informations météorologiques et que vous les avez utilisées comme un attribut pour l'analyse, vous pouvez voir, dans l'arbre, plusieurs divisions qui représentent l'interaction complexe des ventes et de la météo.

En résumé, l'exploration de données est utile pour fournir des indications sur l'endroit où des phénomènes potentiellement intéressants se produisent, mais une analyse approfondie et la compétence des utilisateurs professionnels sont nécessaires pour interpréter correctement la valeur des informations en contexte.

Éléments de la formule de série chronologique ARTxp

Utilisation de la formule de série chronologique 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

Fonctionnement de l'arbre ARIMA

Chaque structure d'un modèle ARIMA correspond à une périodicité ou structure périodique. Une structure périodique est un modèle de données qui se répète dans l'ensemble de la série de données. Une variation mineure dans le modèle est autorisée, dans les limites statistiques. La périodicité est mesurée en fonction des unités de temps par défaut qui ont été utilisées dans les données d'apprentissage. Par exemple, si les données d'apprentissage fournissent les données de ventes pour chaque jour, l'unité de temps par défaut est un jour, et toutes les structures périodiques sont définies sous la forme d'un nombre de jours spécifié.

Chaque période détectée par l'algorithme obtient son propre nœud de structure. Par exemple, si vous analysez les données de ventes quotidiennes, le modèle peut détecter des structures périodiques qui représentent les semaines. Dans le cas présent, l'algorithme créera deux structures périodiques dans le modèle fini : une pour la période quotidienne par défaut, notée {1}, et une pour les semaines, signalée par {7}.

Par exemple, la requête suivante retourne toutes les structures ARIMA d'un modèle d'exploration de données.

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

Résultats de l'exemple :

À partir de ces résultats, que vous pouvez également parcourir à l'aide de la Visionneuse de l'arborescence de contenu générique Microsoft (Concepteur d'exploration de données), vous pouvez indiquer, d'un seul coup d'œil, les séries qui sont complètement linéaires, celles qui ont plusieurs structures périodiques et les périodicités qui ont été découvertes.

Par exemple, la forme abrégée de l'équation ARIMA pour la série M200 Europe vous indique que seul le cycle par défaut, ou quotidien, a été détecté. La forme abrégée de l'équation est fournie dans la colonne NODE_CAPTION.

Toutefois, pour la série M200 North America, une structure périodique supplémentaire a été trouvée. Le nœud TA00000001 a deux nœuds enfants, un avec l'équation (1,0,4), et un avec l'équation (1,1,4)(6). Ces équations sont concaténées et présentées dans le nœud parent.

Pour chaque structure périodique, le contenu du modèle fournit également l'ordre et la moyenne mobile comme nœuds enfants. Par exemple, la requête suivante extrait les nœuds enfants de l'un des nœuds répertoriés dans l'exemple précédent. Notez que le nom de colonne CHILDREN_CARDINALITY doit être placé entre parenthèses afin de le distinguer du mot clé réservé du même nom.

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

Étant donné qu'il s'agit d'un arbre ARIMA, et non d'un arbre ARTxp, vous ne pouvez pas utiliser la fonction IsDescendant (DMX) pour retourner des nœuds qui sont des nœuds enfants de cette structure périodique. Vous pouvez, à la place, utiliser l'attribut et les types de nœuds pour filtrer les résultats et retourner les nœuds enfants qui fournissent plus de détail sur la façon dont l'équation a été crée, y compris les moyennes mobiles et l'ordre des différences.

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)

Résultats de l'exemple :

Ces exemples illustrent le fait que plus vous descendez dans la hiérarchie de l'arbre ARIMA, plus les informations obtenues sont détaillées, mais les informations importantes sont combinées et présentées également dans le nœud parent.

Formule de série chronologique pour ARIMA

Utilisation des informations d'arbre ARIMA

Notes

Il peut être difficile d'extraire des informations d'un arbre ARTxp, car les informations relatives à chaque division se trouvent dans un emplacement différent dans l'arbre. Par conséquent, avec un modèle ARTxp, vous devez obtenir toutes les informations, puis procéder à un traitement pour reconstituer la formule complète. L'extraction d'une équation à partir d'un modèle ARIMA est plus simple car la formule est disponible dans l'ensemble de l'arbre. Pour plus d'informations sur la création d'une requête pour extraire ces informations, consultez Interrogation d'un modèle de série chronologique (Analysis Services - Exploration de données).

Voir aussi

Référence

Concepts