時間序列模型的採礦模型內容 (Analysis Services - 資料採礦)

了解時間序列模型的結構

時間序列模型擁有代表模型及其中繼資料的單一父節點。 在該父節點底下，則有一或兩個時間序列樹，端視您用來建立模型的演算法而定。

如果您建立混合模型，就會在模型中加入兩個個別的樹狀結構：一個用於 ARIMA 而另一個用於 ARTxp。 如果您選擇單獨使用 ARTxp 演算法或單獨使用 ARIMA 演算法，就會擁有對應至該演算法的單一樹狀結構。 您可以透過設定 FORECAST_METHOD 參數，指定要使用的演算法。 如需有關要使用 ARTxp、ARIMA 或混合模型的詳細資訊，請參閱＜Microsoft 時間序列演算法＞。

此圖表中顯示的是使用預設設定 (建立混合模型) 所建立的時間序列資料採礦模型範例。 因此，您可以更輕易地比較這兩個模型之間的差異。其中，ARTxp 模型顯示於圖表的左側，而 ARIMA 模型顯示於圖表的右側。 雖然 ARTxp 是分割成較小分支的樹狀結構，不過 ARIMA 演算法所建立的結構則更像從較小元件向上建立而成的金字塔。

如果您使用 Microsoft 一般模型內容樹狀檢視器來檢視混合模型，ARTxp 和 ARIMA 模型中的節點都會呈現為父時間序列模型的子節點。 在混合模型的一般檢視中，第一組節點會標示為 (All)，而且代表 ARTxp 演算法的分析結果。 第二組節點則標示為 ARIMA，而且代表 ARIMA 演算法的分析結果。

此時要記住的重點是，資訊會以完全不同的方式在 ARIMA 和 ARTxp 樹狀結構內排列，而且您應該將這兩個樹狀結構視為只有在根節點相關。 雖然這兩種表示法是為求方便而以單一模型呈現，不過您應該將它們視為兩個獨立的模型。 ARTxp 代表實際的樹狀結構，但是 ARIMA 則沒有。

ARTxp 模型的結構

ARIMA 模型的結構

時間序列的模型內容

本章節僅針對採礦模型內容中與時間序列模型具有特定相關的資料行，提供詳細資料和範例。

如需有關結構描述資料列集 (例如 MODEL_CATALOG 和 MODEL_NAME) 中一般用途資料行的詳細資訊，或採礦模型術語的說明，請參閱＜採礦模型內容 (Analysis Services - 資料採礦)＞。

• MODEL_CATALOG
  模型儲存位置所在的資料庫的名稱。

• MODEL_NAME
  模型的名稱。

• ATTRIBUTE_NAME
  在節點中表示之資料序列的可預測屬性 (與 MSOLAP_MODEL_COLUMN 的值相同)。

• NODE_NAME
  節點的名稱。 目前，此資料行與 NODE_UNIQUE_NAME 包含相同的值，但是未來的版本可能會變更。

• NODE_UNIQUE_NAME
  節點的唯一名稱。 模型父節點一律名為 TS。

  **ARTxp：**每個節點都由 TS 而且後面接著十六進位數值表示。 例如，直接位於 TS 樹狀結構底下的 ARTxp 節點可能會編號為 TS00000001-TS0000000b。 這些節點的順序並不重要。

  **ARIMA：**ARIMA 樹狀結構中的每個節點都由 TA 而且後面接著十六進位數值表示。 這些子節點包含父節點的唯一名稱，而且後面接著另一個十六進位數字，代表節點內部的順序。

  所有 ARIMA 樹狀結構的結構都完全相同。 每個根都包含下表所示的節點和命名慣例：

  ARIMA 節點識別碼和類型	節點名稱的範例
  ARIMA 根 (27)	TA0000000b
  ARIMA 週期結構 (28)	TA0000000b00000000
  ARIMA 自動迴歸 (29)	TA0000000b000000000
  ARIMA 移動平均 (30)	TA0000000b000000001

• NODE_TYPE
  時間序列模型會輸出下列節點類型，端視演算法而定。

  ARTxp:

  節點類型識別碼	說明
  1 (模型)	時間序列
  3 (內部)	代表 ARTxp 時間序列樹中的內部分支。
  16 (時間序列樹)	對應至可預測屬性和序列之 ARTxp 樹狀結構的根。
  15 (時間序列)	ARTxp 樹狀結構中的分葉節點。

  ARIMA:

  節點類型識別碼	說明
  27 (ARIMA 根)	ARIMA 樹狀結構的最上層節點。
  28 (ARIMA 週期結構)	描述單一週期結構之 ARIMA 樹狀結構的元件。
  29 (ARIMA 自動迴歸)	包含單一週期結構的係數。
  30 (ARIMA 移動平均)	包含單一週期結構的係數。

• NODE_CAPTION
  與節點相關聯的標籤或標題。 這個屬性主要是供顯示之用。

  **ARTxp：**包含節點的分割條件，而此條件會顯示成屬性與值範圍的組合。

  **ARIMA：**包含 ARIMA 方程式的簡短形式。

  如需有關 ARIMA 方程式之格式的詳細資訊，請參閱＜ARIMA 的採礦圖例＞。

• CHILDREN_CARDINALITY
  節點擁有的直接子系數目。

• PARENT_UNIQUE_NAME
  節點之父系的唯一名稱。 任何根層級的節點都會傳回 NULL。

• NODE_DESCRIPTION
  目前節點中規則、分割或公式的文字描述。

  **ARTxp：**如需詳細資訊，請參閱＜了解 ARTxp 樹狀結構＞。

  **ARIMA：**如需詳細資訊，請參閱＜了解 ARIMA 樹狀結構＞。

• NODE_RULE
  目前節點中規則、分割或公式的 XML 描述。

  **ARTxp：**NODE_RULE 通常會對應至 NODE_CAPTION。

  **ARIMA：**如需詳細資訊，請參閱＜了解 ARIMA 樹狀結構＞。

• MARGINAL_RULE
  該節點特有之分割或內容的 XML 描述。

  ARTxp： MARGINAL_RULE 通常會對應至 NODE_DESCRIPTION。

  **ARIMA：**一律空白，請改用 NODE_RULE。

• NODE_PROBABILITY
  **ARTxp：**若為樹狀節點，就一律為 1。 若為分葉節點，則為從模型根節點到達此節點的機率。

  **ARIMA：**一律為 0。

• MARGINAL_PROBABILITY
  **ARTxp：**若為樹狀節點，就一律為 1。 若為分葉節點，則為從直屬父節點到達此節點的機率。

  **ARIMA：**一律為 0。

• NODE_DISTRIBUTION
  包含節點之機率長條圖的資料表。 在時間序列模型中，這個巢狀資料表包含組合實際迴歸公式所需的所有元件。

  如需有關 ARTxp 樹狀結構中節點分佈資料表的詳細資訊，請參閱＜了解 ARTxp 樹狀結構＞。

  如需有關 ARIMA 樹狀結構中節點分佈資料表的詳細資訊，請參閱＜了解 ARIMA 樹狀結構＞。

  如果您想要查看撰寫成可讀取格式的所有常數和其他元件，請使用時間序列檢視器、按一下節點，然後開啟 [採礦圖例]。

• NODE_SUPPORT
  支援這個節點的案例數目。

  **ARTxp：**若為 (All) 節點，表示分支所包含之時間配量的總數。 若為終端節點，則表示 NODE_CAPTION 所描述之範圍所包含的時間配量數目。 終端節點中的時間配量數目一律會加總成分支 (All) 節點的 NODE_SUPPORT 值。

  **ARIMA：**支援目前週期結構的案例計數。 支援的值會在目前週期結構的所有節點中重複。

• MSOLAP_MODEL_COLUMN
  在節點中表示之資料序列的可預測屬性 (與 ATTRIBUTE_NAME 的值相同)。

• MSOLAP_NODE_SCORE
  指出樹狀結構或分割之資訊值特性的數值。

  **ARTxp：**若為沒有分割的節點，值一律為 0.0。 若為含有分割的節點，就代表分割的有趣性分數。

  如需有關計分方法的詳細資訊，請參閱＜資料採礦的特徵選取＞。

  **ARIMA：**ARIMA 模型的 Bayesian Information Criterion (BIC) 分數。 系統會針對與方程式相關的所有 ARIMA 節點設定相同的分數。

• MSOLAP_NODE_SHORT_CAPTION
  **ARTxp：**與 NODE_DESCRIPTION 的資訊相同。

  **ARIMA：**與 NODE_CAPTION 的資訊相同：亦即，ARIMA 方程式的簡短形式。

了解 ARTxp 樹狀結構

ARTxp 模型會清楚地分隔線性資料區域與根據某些其他因數分割的資料區域。 只要可預測屬性中的變更可直接表示成獨立變數的函數，迴歸公式就會計算成代表該關聯性。 例如，如果大部分資料序列的時間和銷售額之間都有直接的相互關聯，每個序列就會包含在每個資料序列沒有任何子節點而只有迴歸方程式的時間序列樹 (NODE_TYPE =16) 中。 不過，如果此關聯性不是線性，ARTxp 時間序列樹就可以根據條件分割成子節點，如同決策樹模型一樣。 透過在 Microsoft 一般內容樹狀檢視器中檢視模型內容，您可以查看發生分割的位置，以及分割如何影響趨勢線。

例如，您可以檢閱在＜資料採礦基本教學課程＞中建立的時間序列模型。 這個從 Adventure Works 取得的模型並非以複雜資料為基礎。 因此，ARTxp 樹狀結構沒有很多分割。 不過，即使是這種相當簡單的模型也會說明三種不同的分割：

• 太平洋地區的數量趨勢線會根據時間索引鍵分割。 根據時間索引鍵分割就表示趨勢中的特定時間點具有變更。 趨勢線最多只有到特定時間點是線性，然後曲線就會採用不同的形狀。 例如，某個時間序列可能會持續到 2002 年 8 月 6 日為止，而另一個時間序列則會從該日期之後開始。

• 北美地區的數量趨勢線會根據另一個變數分割。 在此情況下，北美的趨勢會根據歐洲地區中相同模型的值分割。 換言之，此演算法偵測出：當歐洲的值變更時，北美的值也會變更。

• 歐洲地區的趨勢線會自行分割。

每個分割的意義為何？ 解譯模型內容所傳達的資訊是一項需要深入了解資料及其在商務內容中所代表之意義的技術。

北美與歐洲地區趨勢之間的明顯連結可能只有代表歐洲的資料序列具有更多 Entropy，導致北美的趨勢看起來較弱。 或者，這兩個趨勢的計分方式沒有任何重大差異，而且相互關聯可能是意外，只是因為先計算歐洲然後再計算北美而已。 不過，您可能會想要檢閱資料並確定相互關聯是否為假，或者查看是否有某些其他因數牽涉其中。

根據時間索引鍵分割就表示線條的漸層具有統計上的重大變更。 這項變更可能是數學因數所造成，例如每個範圍的支援，或分割所需之 Entropy 的計算。 因此，在實際的模型意義方面，這種分割可能不重要。 不過，當您檢閱分割中所指出的時間週期時，可能會發現沒有表示在資料中的重要相互關聯，例如在該時間開始而且可能已影響資料的銷售促銷或其他事件。

如果此資料包含其他屬性，您很可能會在樹狀結構中看見更重要的分支範例。 例如，如果您追蹤了氣象資訊並且使用了該項資訊當做屬性進行分析，可能會在樹狀結構中看見代表銷售額與氣象之複雜互動的多個分割。

簡而言之，資料採礦對於提供可能會發生重要現象之位置的相關提示很有用，但是您必須進一步調查並運用商務使用者的專業知識才能正確地解譯相關資訊的價值。

ARTxp 時間序列公式的元素

使用 ARTxp 時間序列公式

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

了解 ARIMA 樹狀結構

ARIMA 模型中的每個結構都會對應至「週期性」(Periodicity) 或「週期結構」(Periodic Structure)。 週期結構是在整個資料序列中重複的資料模式。 在統計限制內，允許此模式產生某些次要變化。 週期性是根據培訓資料內使用的預設時間單位所測量。 例如，如果培訓資料提供每天的銷售資料，預設時間單位就是一天，而且所有週期結構都會定義成指定的天數。

此演算法所偵測的每個期間都會取得自己的結構節點。 例如，如果您要分析每日銷售資料，此模型可能會偵測代表週的週期結構。 在此情況下，演算法將會在完成的模型中建立兩個週期結構：一個代表預設每日期間，表示成 {1}，而另一個則代表週，由 {7} 指定。

例如，下列查詢會從採礦模型中傳回所有 ARIMA 結構。

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

範例結果：

根據這些結果 (您也可以使用 Microsoft 一般內容樹狀檢視器 (資料採礦設計師) 來瀏覽)，您可以立即判斷出哪些序列是完全線性、哪些具有多個週期結構，以及發現的週期性為何。

例如，M200 Europe 序列之 ARIMA 方程式的簡短形式會告知您只有偵測到預設或每日的循環。 此方程式的簡短形式會提供在 NODE_CAPTION 資料行中。

不過，對於 M200 North America 序列而言，則會找到額外的週期結構。 節點 TA00000001 具有兩個子節點：其中一個含有方程式 (1,0,4)，而另一個則含有方程式 (1,1,4)(6)。 這兩個方程式會在父節點中串連並呈現。

此模型內容也會針對每個週期結構提供「順序」(Order) 和「移動平均」(Moving Average) 當做子節點。 例如，下列查詢會擷取先前範例所列之其中一個節點的子節點。 請注意，資料行 PARENT_UNIQUE_NAME 必須括在括號內，以便與同名的保留關鍵字區別。

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

由於這是 ARIMA 樹狀結構而非 ARTxp 樹狀結構，因此您無法使用 IsDescendant (DMX) 函數來傳回屬於這個週期結構之子節點的節點。 不過，您可以使用此屬性和節點類型來篩選結果，並且傳回提供方程式建立方式之相關詳細資料的子節點，包括移動平均和差異順序。

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)

範例結果：

這些範例將說明您在 ARIMA 樹狀結構中向下鑽研越深入，就會顯示越多詳細資料，但是重要資訊也會在父節點中結合並呈現。

ARIMA 的時間序列公式

使用 ARIMA 樹狀結構資訊

備註

從 ARTxp 樹狀結構中擷取資訊可能會很困難，因為每個分割的資訊都位於樹狀結構內的不同位置。 因此，您必須透過 ARTxp 模型，取得所有片段，然後進行某些處理，才能重新組成完整的公式。 從 ARIMA 模型中擷取方程式會比較方便，因為您在整個樹狀結構中都可以使用此公式。 如需有關如何建立查詢來擷取這項資訊的詳細資訊，請參閱＜查詢時間序列模型 (Analysis Services - 資料採礦)＞。

請參閱

參考

概念