Leçon 4 : Création de prédictions de série chronologique à l’aide d’extensions DMX

Dans cette leçon et la leçon suivante, vous allez utiliser des extensions d’exploration de données (DMX) pour créer différents types de prédictions en fonction des modèles de série chronologique que vous avez créés dans la leçon 1 : Création d’un modèle d’exploration de données de série chronologique et d’une structure d’exploration de données et la leçon 2 : Ajout de modèles d’exploration de données à la structure d’exploration de données de série chronologique.

Avec un modèle de série chronologique, de nombreuses options sont à votre disposition pour élaborer des prédictions :

• Utilisation des modèles et données existants dans le modèle d'exploration de données

• Utilisation des modèles existants dans le modèle d'exploration de données mais fourniture de nouvelles données

• Ajout de nouvelles données au modèle ou mise à jour du modèle

La syntaxe permettant d'effectuer ces types de prédictions est résumée ci-dessous :

Prédiction de série chronologique par défaut
Utilisez PredictTimeSeries (DMX) pour retourner le nombre spécifié de prédictions à partir du modèle d’exploration de données entraîné.

Par exemple, consultez PredictTimeSeries (DMX) ou Time Series Model Query Examples.

EXTEND_MODEL_CASES
Utilisez PredictTimeSeries (DMX) avec l’argument EXTEND_MODEL_CASES pour ajouter de nouvelles données, étendre la série et créer des prédictions basées sur le modèle d’exploration de données mis à jour.

Ce didacticiel contient un exemple de la manière d'utiliser EXTEND_MODEL_CASES.

REPLACE_MODEL_CASES
Utilisez PredictTimeSeries (DMX) avec l’argument REPLACE_MODEL_CASES pour remplacer les données d’origine par une nouvelle série de données, puis créez des prédictions basées sur l’application des modèles du modèle d’exploration de données à la nouvelle série de données.

Pour obtenir un exemple d’utilisation de REPLACE_MODEL_CASES, consultez Leçon 2 : Création d’un scénario de prévision (didacticiel d’exploration de données intermédiaire).

Tâches de la leçon

Vous allez effectuer les tâches suivantes dans cette leçon :

• créer une requête pour obtenir les prédictions par défaut basées sur des données existantes.

Au cours de la leçon suivante, vous allez effectuer les tâches connexes suivantes :

• créer une requête pour fournir de nouvelles données et obtenir des prédictions mises à jour.

En plus de créer des requêtes manuellement à l’aide de DMX, vous pouvez également créer des prédictions à l’aide du générateur de requêtes de prédiction dans SQL Server Data Tools (SSDT).

Requête de prédiction de série chronologique simple

La première étape consiste à utiliser l'instruction SELECT FROM avec la fonction PredictTimeSeries pour créer des prédictions de série chronologique. Les modèles de série chronologique prennent en charge une syntaxe simplifiée pour créer des prédictions : vous n'avez pas besoin de fournir d'entrées, mais vous devez uniquement spécifier le nombre de prédictions à créer. L'exemple générique suivant présente l'instruction que vous utiliserez :

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

La liste de sélection peut contenir des colonnes du modèle, telles que le nom de la ligne de produits pour laquelle vous créez les prédictions, ou des fonctions de prédiction, telles que Lag (DMX) ou PredictTimeSeries (DMX), qui sont spécifiquement destinées aux modèles d’exploration de données de série chronologique.

Pour créer une requête de prédiction de série chronologique simple

1. Dans Explorateur d'objets, cliquez avec le bouton droit sur le instance d’Analysis Services, pointez sur Nouvelle requête, puis cliquez sur DMX.

   L'Éditeur de requête s'ouvre et contient une nouvelle requête vide.

2. Copiez l'exemple générique de l'instruction dans la requête vide.

3. Remplacez le code suivant :

   <select list>   
   

   par :

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

   La première ligne extrait une valeur du modèle d'exploration de données qui identifie la série.

   Les deuxième et troisième lignes utilisent la fonction PredictTimeSeries. Chaque ligne prédit un attribut différent, [Quantity] ou [Amount]. Les nombres indiqués après les noms des attributs prédictibles précisent le nombre d'étapes à prédire.

   La clause AS est utilisée pour fournir un nom à la colonne renvoyée par chaque fonction de prédiction. Si vous ne fournissez pas d'alias, les deux colonnes sont renvoyées avec l'étiquette Expression par défaut.

4. Remplacez le code suivant :

   [<mining model>]   
   

   par :

   [Forecasting_MIXED]  
   

5. Remplacez le code suivant :

   WHERE [criteria>]   
   

   par :

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

   L'instruction tout entière doit se présenter comme suit :

   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. Dans le menu Fichier , cliquez sur Enregistrer DMXQuery1.dmx sous.

7. Dans la boîte de dialogue Enregistrer sous, accédez au dossier approprié et nommez le fichier SimpleTimeSeriesPrediction.dmx.

8. Dans la barre d’outils, cliquez sur le bouton Exécuter .

   La requête renvoie 6 prédictions pour chacune des deux combinaisons de produit et région spécifiées dans la clause WHERE.

Dans la leçon suivante, vous allez créer une requête qui fournit de nouvelles données au modèle, puis comparer les résultats de cette prédiction avec celle que vous venez de créer.

Tâche suivante de la leçon

Leçon 5 : Extension du modèle de série chronologique

Voir aussi

PredictTimeSeries (DMX)
Lag (DMX)
Time Series Model Query Examples
Leçon 2 : génération d'un scénario de prévision (Didacticiel intermédiaire sur l'exploration de données)