Поделиться через

Создание прогнозов временных рядов (учебник по интеллектуальному анализу данных — средний уровень)

  • Статья

В ходе выполнения предыдущей задачи данного занятия была создана модель временных рядов и изучены результаты. По умолчанию службы Analysis Services всегда создают набор из пяти (5) прогнозов для модели временных рядов и отображают прогнозируемые значения как часть диаграммы прогнозирования. Однако можно также создавать прогнозы путем построения прогнозирующих запросов расширений интеллектуального анализа данных (DMX).

В ходе данной задачи будет создан прогнозирующий запрос, который сформирует такие же прогнозы, какие отображались ранее в средстве просмотра. Для выполнения данной задачи необходимо пройти занятия учебника по интеллектуальному анализу данных (начальный уровень) и иметь навыки работы с построителем прогнозирующих запросов. Здесь будет показано, как можно создавать запросы, относящиеся к моделям временных рядов.

Создание прогнозов временных рядов

Как правило, первым шагом в создании прогнозируемого запроса является выбор модели интеллектуального анализа данных и входной таблицы. Однако модель временных рядов не требует дополнительных входных данных для построения обычного прогноза. Поэтому нет необходимости указывать новый источник данных при создании прогнозов, за исключением случаев добавления данных в модель или замены данных.

В данном занятии необходимо указать количество этапов прогнозирования. Можно указать имя ряда, чтобы получить прогноз для определенного сочетания товара и региона.

Выбор модели и входной таблицы

  1. На вкладке Прогнозирование модели интеллектуального анализа данных Designer интеллектуального анализа данных в поле Модель интеллектуального анализа данных щелкните Выбрать модель.

  2. В диалоговом окне Выбор модели интеллектуального анализа данных разверните структуру Прогнозирование, выберите модель прогнозирования из списка и нажмите кнопку ОК.

  3. Игнорируйте поле Выбор входных таблиц .

    Примечание

    Для модели временных рядов не требуется указывать отдельные входные данные, за исключением случаев выполнения перекрестного прогноза.

  4. В столбце Источник в сетке на вкладке Прогноз модели интеллектуального анализа данных щелкните ячейку в первой пустой строке, а затем выберите Прогноз модели интеллектуального анализа данных.

  5. В столбце Поле выберите Модель регион.

    В результате этого действия в прогнозирующий запрос будет добавлен идентификатор ряда с целью указания сочетания модели и региона, к которому будет относиться соответствующий прогноз.

  6. Щелкните следующую пустую строку в столбце Источник и выберите Функция прогнозирования.

  7. В столбце Поле выберите PredictTimeSeries.

    Примечание

    Также можно воспользоваться функцией Predict для моделей временных рядов. Однако по умолчанию функция Predict создает только один прогноз для каждого ряда. Поэтому для указания нескольких шагов прогнозирования необходимо использовать функцию PredictTimeSeries .

  8. В области Модель интеллектуального анализа данных выберите столбец Модель интеллектуального анализа данных Сумма. Перетащите значение в поле Условия и аргументы для функции PredictTimeSeries , добавленной ранее.

  9. Щелкните поле Условия и аргументы и введите запятую, за которой следует 5, после имени поля.

    Теперь в поле Условия и аргументы должен отображаться следующий текст:

    [Forecasting].[Amount],5

  10. В столбце Псевдоним введитеPredictAmount.

  11. Щелкните следующую пустую строку в столбце Источник и снова выберите Функция прогнозирования .

  12. В столбце Поле выберите PredictTimeSeries.

  13. В области Модель интеллектуального анализа данных выберите столбец Количество, а затем перетащите его в поле Условия и аргументы для второй функции PredictTimeSeries .

  14. Щелкните поле Условия и аргументы и введите запятую, за которой следует 5, после имени поля.

    Теперь в поле Условия и аргументы должен отображаться следующий текст:

    [Forecasting].[ Quantity],5

  15. В столбце Псевдоним введитеPredictQuantity.

  16. Щелкните Переключиться в представление результатов запроса.

    Результаты запроса будут отображены в табличном формате.

Итак, было создано три различных типа результатов в построителе запросов, один из которых использует значения столбца, а два других получают прогнозируемые значения из прогнозирующей функции. Поэтому результаты запроса состоят из трех отдельных столбцов. В первом столбце содержится список сочетания товаров и регионов. Во втором и третьем столбцах — по вложенной таблице с результатами прогнозов. Каждая вложенная таблица содержит временные этапы и значения прогнозов, как, например, в следующей таблице.

Результаты примера (суммы округлены до двух цифр после запятой):

M200 Europe PredictAmount

$TIME Сумма
7/25/2008 99978.00
8/25/2008 145575.07
9/25/2008 116835.19
10/25/2008 116537.38
11/25/2008 107760.55

M200 Europe PredictQuantity

$TIME Количество
7/25/2008 52
8/25/2008 67
9/25/2008 58
10/25/2008 57
11/25/2008 54

Северная Америка M200 — PredictAmount

$TIME Сумма
7/25/2008 348533.93
8/25/2008 340097.98
9/25/2008 257986.19
10/25/2008 374658.24
11/25/2008 379241.44

M200 Северная Америка — PredictQuantity

$TIME Количество
7/25/2008 272
8/25/2008 152
9/25/2008 250
10/25/2008 181
11/25/2008 290

Предупреждение

Даты, используемые в образце базы данных, изменены для этой версии. Если используется более ранняя версия образца данных, могут появиться другие результаты.

Сохранение результатов прогноза

Есть несколько возможных вариантов использования результатов прогнозирования. Можно преобразовать результаты в плоский формат, скопировать данные из представления результатов и вставить в рабочий лист Excel или другой файл.

Чтобы упростить процесс сохранения результатов, конструктор интеллектуального анализа данных также предоставляет возможность сохранения данных в новом представлении источника данных. Функция сохранения результатов в представлении источника данных доступна только в SQL Server Data Tools (SSDT). Результаты могут храниться только в плоском формате.

Преобразование результатов в плоский формат на панели «Результаты»

  1. В построителе прогнозирующих запросов щелкните Переключиться на представление конструктора запросов.

    После этого в представлении можно будет вручную изменить текст DMX-запроса.

  2. Введите ключевое слово FLATTENED после слова SELECT. Полный текст запроса теперь должен выглядеть следующим образом.

    SELECT FLATTENED  
  [Forecasting].[Model Region],  
  (PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],  
  (PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]  
FROM  
  [Forecasting]

  3. Кроме того, можно указать предложение, которое будет ограничивать результаты, как в следующем примере:

    SELECT FLATTENED  
  [Forecasting].[Model Region],  
  (PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],  
  (PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]  
FROM  
  [Forecasting]  
WHERE [Forecasting].[Model Region] = 'M200 North America'   
OR [Forecasting].[Model Region] = 'M200 Europe'

  4. Щелкните Переключиться в представление результатов запроса.

Экспорт результатов прогнозирующего запроса

  1. Щелкните Сохранить результаты запроса.

  2. В диалоговом окне Сохранить результат запроса интеллектуального анализа данных в поле Источник данных выберите AdventureWorksDW2012. Также можно создать источник данных, если необходимо сохранить данные в другой реляционной базе данных.

  3. В столбце Имя таблицы введите новое имя временной таблицы, например Тестовые прогнозы.

  4. Выберите команду Сохранить.

    Примечание

    Чтобы просмотреть созданную таблицу, создайте соединение с компонентом Database Engine, на котором были сохранены данные, и сформируйте запрос.

Заключение

Было изучено создание базовой модели временных рядов, интерпретация прогнозов и создание прогнозов.

Оставшиеся задания в этом учебнике не являются обязательными и описывают расширенное прогнозирование временных рядов. В этих задачах будет изучено добавление новых данных в модель и создание прогнозов на основе расширенных рядов. Будет также изучено выполнение перекрестного прогнозирования с использованием тренда в модели и заменой данных новым рядом данных.

Следующее занятие

Расширенные прогнозы временных рядов (учебник по интеллектуальному анализу данных — средний уровень)

См. также:

Примеры запросов моделей временных рядов