Lekcja 4: Tworzenie prognoz serii czasu przy użyciu DMX

W tej lekcji i następujących lekcji będzie używane dane górnictwa rozszerzenia (DMX) do tworzenia różnego rodzaju prognoz na podstawie czas serii modeli utworzonych w Lekcja 1: Tworzenie modelu czasu serii górnictwa i struktury górnictwo i Lekcja 2: Dodawanie struktury górnictwo serii czas modeli wyszukiwania.

Z czas model serii masz wiele możliwości dokonywania przewidywań:

  • Użyj istniejących wzorców i danychmodel wyszukiwania

  • Użyj istniejących wzorców w model wyszukiwania , ale podać nowe dane

  • Dodanie nowych danych do modelu lub zaktualizować model.

Poniżej podsumowano składni dokonywania tych typów przewidywanie:

Zadania lekcji

W tej lekcji będzie wykonywać następujące zadania:

  • Utwórz kwerendę, aby uzyskać prognoz domyślne na podstawie istniejących danych.

W następujących lekcji będzie wykonywać następujące zadania:

  • Utwórz kwerendę, aby podać nowe dane i zaktualizowanych prognoz.

Oprócz tworzenia kwerend ręcznie za pomocą DMX, można tworzyć prognoz, za pomocą Konstruktora kwerend przewidywanie w Business Intelligence Development Studio.Aby uzyskać więcej informacji, zobacz Za pomocą Konstruktora kwerend przewidywania do tworzenia kwerend przewidywania DMX lub Górnictwo Model prognozowania kartę: Tematy dotyczące sposobów wykonywania określonych zadań.

Prostą kwerendę czasu przewidywania serii

Pierwszym krokiem jest użycie SELECT FROM instrukcja wraz z PredictTimeSeries funkcja do tworzenia czas serii przewidywań.Czas modeli serii obsługę składni uproszczone tworzenie prognoz: nie trzeba dostarczać nakładów, ale tylko należy podać numer prognoz do utworzenia.Poniżej przedstawiono przykładowy będzie używać instrukcja:

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

Wybierz lista może zawierać kolumny z modelu, takie jak nazwa produktu wiersza tworzonego prognoz dla lub funkcje przewidywanie, takie jak Zwłoki (DMX) lub PredictTimeSeries (DMX), które są specjalnie dla czas serii modeli górnictwa.

Aby utworzyć prosty czas serii przewidywanie kwerendy

  1. W Object Explorer, kliknij prawym przyciskiem myszy wystąpienie Usługi Analysis Services, wskaż Nową kwerendę, a następnie kliknij przycisk DMX.

    Edytor kwerend otwiera i zawiera kwerendę nowy, pusty.

  2. Skopiuj przykładowy instrukcja do kwerendy puste.

  3. Zastąp następujące czynności:

    <select list> 
    

    z:

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

    Pierwszy wiersz pobiera wartość z model wyszukiwania , które identyfikują serii.

    Użyj linii drugiego i trzeciego PredictTimeSeries funkcja.Każdy wiersz prognozuje inny atrybut, [Quantity] lub [Amount].Numery po nazw atrybutów przewidywalne określ liczbę czas kroki do przewidywania.

    AS Jest używana klauzula podać nazwę kolumna, który jest zwracany przez każdego funkcja przewidywanie.Jeśli nie podasz alias, domyślnie obie kolumny są zwracane z etykietą, Expression.

  4. Zastąp następujące czynności:

    [<mining model>] 
    

    z:

    [Forecasting_MIXED]
    
  5. Zastąp następujące czynności:

    WHERE [criteria>] 
    

    z:

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

    Pełne instrukcja powinien być teraz następująco:

    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'
    
  6. Na pliku menu, kliknij Zapisz DMXQuery1.dmx jako.

  7. W Zapisz jako okno dialogowe Przejdź do odpowiedniego folderu i pliku o nazwie SimpleTimeSeriesPrediction.dmx.

  8. Na pasku narzędzi kliknij przycisk Wykonywanie przycisku.

    Kwerenda zwraca 6 prognoz dla każdej kombinacji dwóch produktu i region, określone w WHERE klauzula.

W następnej lekcji będzie utworzyć kwerendę, która dostarcza nowych danych do modelu i porównać wyniki tego przewidywanie na tę właśnie utworzony.