4단원: DMX를 사용하여 시계열 예측 만들기

 

적용 대상: SQL Server 2016 Preview

이 단원 및 다음 단원에서는 다양 한 유형의에서 만든 시계열 모델을 기반으로 예측을 만들려는 확장 DMX (Data Mining)를 사용 합니다 1 단원: 시계열 마이닝 모델 및 마이닝 구조 만들기2 단원: 시계열 마이닝 구조에 마이닝 모델 추가합니다.

시계열 모델을 사용하면 여러 가지 방법으로 예측을 만들 수 있습니다.

  • 마이닝 모델의 기존 패턴 및 데이터 사용

  • 마이닝 모델의 기존 패턴을 사용하지만 새 데이터 제공

  • 모델에 새 데이터 추가 또는 모델 업데이트

이러한 예측 유형을 만드는 구문은 아래에 요약되어 있습니다.

기본 시계열 예측
사용 하 여 PredictTimeSeries (& a) #40; DMX ) 학습된 마이닝 모델에서 지정된 된 수의 예측을 반환 하 합니다.

예를 들어 참조 PredictTimeSeries (& a) #40; DMX ) 또는 시간 시계열 모델 쿼리 예제합니다.

EXTEND_MODEL_CASES
사용 하 여 PredictTimeSeries (& a) #40; DMX ) 는 EXTEND_MODEL_CASES는 새 데이터 추가 인수를 사용, 계열을 확장 하 고 업데이트 된 마이닝 모델을 기반으로 예측을 만듭니다.

이 자습서에는 EXTEND_MODEL_CASES를 사용하는 방법에 대한 예가 포함되어 있습니다.

REPLACE_MODEL_CASES
사용 하 여 PredictTimeSeries (& a) #40; DMX ) 원래 데이터를 새 데이터 계열로로 바꾼 다음 새 데이터 계열에 마이닝 모델의 패턴을 적용을 기반으로 예측을 만들를 REPLACE_MODEL_CASES 인수와 함께 사용 합니다.

REPLACE_MODEL_CASES를 사용 하는 방법의 예제를 참조 하십시오. 2 단원: 예측 시나리오 ( 중급 데이터 마이닝 자습서 ) 구축합니다.

이 단원에서는 다음 태스크를 수행합니다.

  • 쿼리를 만들어 기존 데이터를 기반으로 기본 예측을 얻습니다.

후속 단원에서는 다음 관련 태스크를 수행합니다.

  • 쿼리를 만들어 새 데이터를 제공하고 업데이트된 예측을 얻습니다.

DMX를 사용하여 수동으로 쿼리를 만들 수 있지만 SQL Server Data Tools(SSDT)의 예측 쿼리 작성기를 사용하여 예측을 만들 수도 있습니다.

첫 번째 단계는 SELECT FROM 문을 PredictTimeSeries 함수와 함께 사용하여 시계열 예측을 만드는 것입니다. 시계열 모델은 예측을 만드는 간단한 구문을 지원합니다. 입력을 제공할 필요 없이 만들 예측 수만 지정하면 됩니다. 다음은 사용하게 될 문의 일반적인 예입니다.

SELECT <select list>   
FROM [<mining model name>]   
WHERE [<criteria>]  

Select 목록에 모델의 열이 포함 될 수 있습니다, 제품의 이름을 라인 같은 만들면에 대 한 예측 또는 예측 함수 등 지연 ( DMX ) 또는 PredictTimeSeries (& a) #40; DMX ), 시계열 마이닝 모델에 대 한 구체적으로 합니다.

간단한 시계열 예측 쿼리를 만들려면

  1. 개체 탐색기, 의 인스턴스를 마우스 오른쪽 단추로 클릭 Analysis Services, 가리킨 새 쿼리, 를 클릭 하 고 DMX합니다.
비어 있는 새 쿼리가 포함된 쿼리 편집기가 열립니다.  

  1. 문의 일반적인 예를 빈 쿼리에 복사합니다.

  2. 다음 내용을

    <select list>   
    
    

    다음 구문으로 바꿉니다.

    [Forecasting_MIXED].[ModelRegion],  
    PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,  
    PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt  
    
    

    첫 번째 줄에서는 마이닝 모델에서 계열을 식별하는 값을 검색합니다.

    두 번째 및 세 번째 줄에서는 PredictTimeSeries 함수를 사용합니다. 각 줄에서는 [Quantity] 또는 [Amount]등 서로 다른 특성을 예측합니다. 예측 가능한 특성 이름 뒤의 숫자는 예측할 시간 단계 수를 지정합니다.

    AS 절은 각 예측 함수에 의해 반환되는 열에 이름을 제공하는 데 사용됩니다. 별칭을 제공하지 않으면 기본적으로 두 열 모두 레이블 Expression이 지정되어 반환됩니다.

  3. 다음 내용을

    [<mining model>]   
    
    

    다음 구문으로 바꿉니다.

    [Forecasting_MIXED]  
    
    
  4. 다음 내용을

    WHERE [criteria>]   
    
    

    다음 구문으로 바꿉니다.

    WHERE [ModelRegion] = 'M200 Europe' OR  
    [ModelRegion] = 'M200 Pacific'  
    
    

    이제 전체 문이 다음과 같아야 합니다.

    SELECT  
    [Forecasting_MIXED].[ModelRegion],  
    PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,  
    PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt  
    FROM   
    [Forecasting_MIXED]  
    WHERE [ModelRegion] = 'M200 Europe' OR  
    [ModelRegion] = 'M200 Pacific'  
    
    
  5. 파일 메뉴에서 다른 이름으로 DMXQuery1.dmx 저장을 클릭합니다.

  6. 다른 이름으로 저장 대화 상자에서 해당 폴더로 이동한 다음 파일 이름을 SimpleTimeSeriesPrediction.dmx로 지정합니다.

  7. 도구 모음에서 실행 단추를 클릭합니다.

    쿼리가 WHERE 절에 지정된 제품 및 지역의 두 조합 각각에 대해 6개의 예측을 반환합니다.

다음 단원에서는 모델에 새 데이터를 제공하는 쿼리를 만들고 예측 결과를 방금 만든 쿼리와 비교합니다.

5단원: 시계열 모델 확장

PredictTimeSeries(DMX)
Lag(DMX)
시계열 모델 쿼리 예제
2 단원: 예측 시나리오 ( 중급 데이터 마이닝 자습서 ) 구축

표시: