Partilhar via

Personalizando e processando o modelo de previsão (Tutorial de mineração de dados intermediário)

  • Artigo

O algoritmo Microsoft Time Series fornece parâmetros que afetam como um modelo é criado e como os dados de tempo são analisados. Alterar essas propriedades pode afetar significativamente a forma como o modelo de mineração faz previsões.

Para esta tarefa do tutorial, você executará as seguintes tarefas para modificar o modelo:

  1. Você personalizará a maneira como seu modelo lida com períodos de tempo adicionando um novo valor para o parâmetro PERIODICITY_HINT .

  2. Você aprenderá dois outros parâmetros importantes para o algoritmo MTS: FORECAST_METHOD, que permite controlar o método usado na previsão, e PREDICTION_SMOOTHING, que permite personalizar a combinação de previsões de longo prazo e de curto prazo.

  3. Opcionalmente, você dirá ao algoritmo como deseja inserir os valores ausentes.

  4. Depois de fazer todas as alterações, você implantará e processará o modelo.

Definindo os parâmetros de série temporal

Dicas de periodicidade

O parâmetro PERIODICITY_HINT fornece ao algoritmo informações sobre períodos de tempo adicionais que você espera ver nos dados. Por padrão, os modelos de série temporal tentarão detectar automaticamente um padrão nos dados. Porém, se você já souber o ciclo de tempo esperado, fornecer uma dica de periodicidade poderá melhorar a exatidão do modelo. No entanto, se você fornecer a dica de periodicidade errada, poderá diminuir exatidão; portanto, se você não souber ao certo que valor deve ser usado, é melhor usar o padrão.

Por exemplo, a exibição usada para esse modelo agrega dados de vendas do Adventure Works DW Multidimensional 2012 mensalmente. Portanto, cada intervalo de tempo usado pelo modelo representa um mês, e todas as previsões também estarão em meses. Como há 12 meses em um ano e você espera que os padrões de vendas se repitam anualmente, você definirá o parâmetro PERIODICITY_HINT como 12, para indicar que 12 fatias de tempo (meses) constituem um ciclo de vendas completo.

Método de previsão

O parâmetro FORECAST_METHOD controla se o algoritmo de série temporal é otimizado para previsões de curto ou longo prazo. Por padrão, o parâmetro FORECAST_METHOD é definido como MIXED, o que significa que dois algoritmos diferentes são combinados e equilibrados para fornecer bons resultados para previsão de curto e longo prazo.

Entretanto, se você quiser usar um algoritmo específico, poderá altera o valor para ARIMA ou ARTXP.

Ponderação Long-Term versus previsões de Short-Term

Você também pode personalizar a forma como as previsões de longo prazo e de curto prazo são combinadas usando o parâmetro PREDICTION_SMOOTHING. Por padrão, esse parâmetro é definido como 0,5, o que geralmente oferece o melhor equilíbrio para a precisão geral.

Para alterar parâmetros do algoritmo

  1. Na guia Modelos de Mineração , clique com o botão direito do mouse em Previsão e selecione Definir Parâmetros de Algoritmo.

  2. PERIODICITY_HINT Na linha da caixa de diálogo Parâmetros do Algoritmo, clique na coluna Valor e digite {12}, incluindo as chaves.

    Por padrão, o algoritmo também adicionará o valor {1}.

  3. FORECAST_METHOD Na linha , verifique se a caixa de texto Valor está em branco ou definida MIXEDcomo . Se um valor diferente tiver sido inserido, digite MIXED para alterar o parâmetro de volta para o valor padrão.

  4. Na linha PREDICTION_SMOOTHING , verifique se a caixa de texto Valor está em branco ou definida como 0,5. Se um valor diferente tiver sido inserido, clique em Valor e digite 0.5 para alterar o parâmetro de volta para o valor padrão.

    Observação

    O parâmetro PREDICTION_SMOOTHING está disponível apenas em SQL Server Enterprise. Portanto, você não pode exibir ou alterar o valor do parâmetro PREDICTION_SMOOTHING em SQL Server Standard. Porém, o comportamento padrão é usar os dois algoritmos e atribuir o mesmo valor a ambos.

  5. Clique em OK.

Manipulando dados ausentes (opcional)

Na maioria dos casos, seus dados de venda poderão ter lacunas preenchidas por nulos, ou uma loja pode não ter conseguido cumprir o prazo da emissão de relatórios, deixando uma célula vazia no final da série. Nesses cenários, o Analysis Services gera o erro a seguir e não processará o modelo.

"Erro (Mineração de dados): carimbos de data/hora não sincronizados começando com o nome> da série de série<, do modelo de mineração, <nome> do modelo. Todas as séries temporais devem terminar na mesma marca de tempo e não podem ter pontos de dados ausentes arbitrariamente. A definição do parâmetro MISSING_VALUE_SUBSTITUTION como Previous ou como uma constante numérica corrigirá automaticamente pontos de dados ausentes, onde possível."

Para evitar esse erro, você pode especificar que o Analysis Services forneça automaticamente novos valores para preencher as lacunas usando qualquer um dos seguintes métodos:

  • Usando um valor médio. Essa média é calculada usando todos os valores válidos da mesma série de dados.

  • Usando o valor anterior. Você pode substituir valores anteriores por várias células ausentes, mas não pode preencher os valores iniciais.

  • Usando um valor constante fornecido por você.

Para especificar que as lacunas sejam preenchidas por valores médios

  1. Na guia Modelos de Mineração , clique com o botão direito do mouse na coluna Previsão e selecione Definir Parâmetros de Algoritmo.

  2. Na caixa de diálogo Parâmetros do Algoritmo , na linha MISSING_VALUE_SUBSTITUTION , clique na coluna Valor e digite Mean.

Criar o modelo

Para usar o modelo, você deve implantá-lo em um servidor e processar o modelo executando os dados de treinamento pelo algoritmo.

Para processar o modelo de previsão

  1. No menu Modelo de Mineração do SQL Server Data Tools, selecione Estrutura de Mineração de Processos e Todos os Modelos.

  2. No aviso perguntando se você deseja compilar e implantar o projeto, clique em Sim.

  3. Na caixa de diálogo Estrutura de Mineração de Processos – Previsão , clique em Executar.

    A caixa de diálogo Andamento do Processo é aberta para exibir informações sobre o processamento do modelo. O processamento do modelo pode demorar algum tempo.

  4. Depois que o processamento estiver completo, clique em Fechar para sair da caixa de diálogo Progresso do Processo .

  5. Clique em Fechar novamente para sair da caixa de diálogo Estrutura de Mineração de Processos – Previsão .

Próxima tarefa da lição

Explorando o modelo de previsão (tutorial de mineração de dados intermediário)

Consulte Também

Referência técnica do algoritmo MTS
Algoritmo MTS
Requisitos e considerações de processamento (mineração de dados)