Lekcja 5: Rozszerzanie modelu szeregu czasowego

Tworzenie prognoz z EXTEND_MODEL_CASES

Oto podstawowe przykłady czas za pomocą EXTEND_MODEL_CASES przewidywanie serii.Pierwszy przykład umożliwia określenie liczby prognoz, począwszy od ostatniego czas kroku model oryginalny:

SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n, EXTEND_MODEL_CASES) 
FROM <mining model>
PREDICTION JOIN <source query>
[WHERE <criteria>]

Drugi przykład umożliwia określenie czas krok, gdzie powinna zaczynać prognoz i gdzie należy zakończyć.Ta opcja jest ważne, ponieważ rozszerzenie modelu przypadków domyślnie czas kroki używane do przewidywanie kwerend zawsze rozpocząć na koniec pierwotnego serii.

SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n-start, n-end, EXTEND_MODEL_CASES) 
FROM <mining model>
PREDICTION JOIN <source query>
[WHERE <criteria>}

W tym samouczku utworzy się oba rodzaje kwerend.

Aby utworzyć kwerendę przewidywanie singleton na czas model serii

Opis przewidywania Start z EXTEND_MODEL_CASES

Zostały utworzone na podstawie oryginalnego modelu prognoz i nowymi danymi można porównać wyniki patrz aktualizowanie danych sprzedaży wpływ prognoz.Przed rozpoczęciem Przejrzyj kod utworzony i zauważyć następujące czynności:

• Dostarczonych nowych danych tylko region Europy.

• Dostarczone tylko dwa miesiące nadaje nowych danych.

W poniższej tabela przedstawiono wpływ przewidywań przez nowe wartości dostarczone dla Europy M200.Dla produktu M200 w Pacyfiku nie dostarczył żadnych danych nowy region, ale tej serii jest przedstawiany do porównania:

Wyniki te można zobaczyć dwie rzeczy:

• Dwa pierwsze prognoz dla serii M200 Europy są identyczne nowych danych dostarczonych.Zgodnie z projektem Analysis Services zwraca rzeczywiste nowe punkty danych, zamiast dokonywania przewidywanie.To w przypadku rozszerzania przypadkach model czas kroki używane do przewidywanie kwerend zawsze rozpocząć na koniec pierwotnego serii.Dlatego dodać dwa nowe punkty danych, dwa pierwsze prognoz zwracane nakładania się nowymi danymi.

• Po wszystkie nowe punkty danych są używane, Usługi Analysis Services sprawia, że prognoz opartych na zaktualizowanych modelu.W związku z tym, począwszy od września 2005, widać różnicę między prognoz dla Europy M200 z oryginalnym modelu w lewym kolumnai model, który używa prawej EXTEND_MODEL_CASES, kolumna.Prognoz są różne, ponieważ model został zaktualizowany o nowe dane.

Za pomocą rozpoczęcia i zakończenia czasu kroki w celu sterowania prognoz

Rozszerzenie modelu nowych danych jest zawsze dołączane na końcu serii.Jednakże, w rozumieniu przewidywanie czas start plasterki używane do przewidywanie kwerend na koniec pierwotnego serii.Jeśli chcesz uzyskać tylko nowych przewidywań podczas dodawania nowych danych, należy określić punkt początkowy jako liczba czas plasterków.Na przykład jeśli dodajesz dwa nowe punkty danych i chcesz utworzyć cztery nowe prognoz można byłoby wykonaj następujące czynności:

• Tworzenie sprzężenia PRZEWIDYWANIA na czas serii modelu i określić dwa miesiące nowych danych.

• Żądanie prognoz dla czterech czasu częśćs, gdzie punkt początkowy jest 3, a punkt końcowy jest czas część 6.

Innymi słowy jeśli zawiera nowe dane n czas plasterków, a żądanie prognoz dla czas kroki od 1 do n, przewidywania będzie zbiegać się z tego samego okresu nowych danych.Uzyskanie nowych prognoz dla czas okresy nie objęte danych, należy albo uruchomić prognoz na czas plasterka n + 1 po nowej serii danych lub upewnij się że żądać dodatkowych czas plasterki.

W poniższym przykładzie instrukcja DMX, która pozwala uzyskać przewidywania nowych dwóch serii w poprzednim przykładzie.

SELECT [Model Region],
PredictTimeSeries([Quantity],3,6, EXTEND_MODEL_CASES) AS PredictQty
FROM
   [Forecasting_MIXED]
NATURAL PREDICTION JOIN 
(
   SELECT 1 AS [ReportingDate],
  '10' AS [Quantity],
  'M200 Europe' AS [ModelRegion]
UNION SELECT
  2 AS [ReportingDate],
  15 AS [Quantity]),
  'M200 Europe' AS [ModelRegion]
) AS t
WHERE [ModelRegion] = 'M200 Europe'

Wyniki przewidywanie zaczynają się od czas plasterków 3, który jest po 2 miesiące dostarczonych nowych danych.

Tworzenie prognoz z REPLACE_MODEL_CASES

Zastępowanie przypadkach model jest przydatne, gdy chcesz szkolić modelu na jednym zestaw spraw, a następnie zastosować do różnych serii danych modelu.Szczegółowe Instruktaż ten scenariusz jest przedstawiony w Lekcja 2: Tworzenie scenariusza prognozowania (samouczek wyszukiwania danych pośrednich).

Zobacz także

Odwołanie

Koncepcje