Lección 4: Crear predicciones de serie temporal con DMX

Se aplica a: SQL Server 2016 Preview

En esta lección y en la siguiente lección, utilizará extensiones de minería de datos (DMX) para crear diferentes tipos de predicciones basados en los modelos de serie temporal que creó en lección 1: creación de un modelo de minería de datos de serie temporal y la estructura de minería de datos y lección 2: agregar modelos de minería de datos a la estructura de minería de datos de serie temporal.

Con un modelo de serie temporal, tiene muchas opciones para realizar predicciones:

• Usar los patrones y datos existentes en el modelo de minería de datos

• Usar los patrones existentes en el modelo de minería de datos pero suministrar datos nuevos

• Agregue datos nuevos al modelo o actualice el modelo.

A continuación se resume la sintaxis para realizar estos tipos de predicción:

Predicción de serie temporal predeterminada
Use PredictTimeSeries ( DMX ) para devolver el número especificado de predicciones del modelo de minería de datos entrenado.

Por ejemplo, vea PredictTimeSeries ( DMX ) o ejemplos de consultas de modelo de serie de tiempo.

EXTEND_MODEL_CASES
Use PredictTimeSeries ( DMX ) con el argumento EXTEND_MODEL_CASES para agregar datos nuevos, extender la serie y crear predicciones basadas en el modelo de minería de datos actualizado.

Este tutorial contiene un ejemplo de cómo utilizar EXTEND_MODEL_CASES.

REPLACE_MODEL_CASES
Use PredictTimeSeries ( DMX ) con el argumento REPLACE_MODEL_CASES para reemplazar los datos originales con una nueva serie de datos y, a continuación, crear predicciones basadas en aplicar los patrones en el modelo de minería de datos a la nueva serie de datos.

Para obtener un ejemplo de cómo usar REPLACE_MODEL_CASES, vea lección 2: creación de un escenario de previsión ( Tutorial intermedio de minería de datos ).

Tareas de la lección

En esta lección realizará las tareas siguientes:

• Crear una consulta para obtener las predicciones predeterminadas según los datos existentes.

En la lección siguiente, realizará las tareas relacionadas siguientes:

• Crear una consulta para proporcionar datos nuevos y actualizar las predicciones.

Además de crear consultas manualmente utilizando DMX, también puede crear predicciones con el generador de consultas de predicción de SQL Server Data Tools (SSDT).

Consulta simple de predicción de serie temporal

El primer paso es usar el SELECT FROM instrucción junto con el PredictTimeSeries función para crear predicciones de serie temporal. Los modelos de serie temporal admiten una sintaxis simplificada para crear predicciones: no es necesario proporcionar ninguna entrada, sino que solo tiene que especificar el número de predicciones que crear. A continuación, se incluye un ejemplo genérico de la instrucción:

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

La lista de selección puede contener columnas del modelo, como el nombre de producto de la línea que está creando las predicciones, o funciones de predicción, como Lag ( DMX ) o PredictTimeSeries ( DMX ), que son específicas para los modelos de minería de datos de serie temporal.

Para crear una consulta simple de predicción de serie temporal

1. En Explorador de objetos, haga clic en la instancia de Analysis Services, elija nueva consulta, y, a continuación, haga clic en DMX.

   Se abre el Editor de consultas, que contiene una consulta nueva en blanco.

2. Copie el ejemplo genérico de la instrucción en la consulta en blanco.

3. Reemplace lo siguiente:

   <select list>   
   

   por:

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

   La primera línea recupera un valor del modelo de minería de datos que identifica la serie.

   La segunda y tercera líneas usan el PredictTimeSeries (función). Cada línea predice un atributo diferente, [Quantity] o [Amount]. Los números después de los nombres de los atributos de predicción especifican el número de pasos temporales para realizar la predicción.

   El AS cláusula se utiliza para proporcionar un nombre para la columna que se devuelve por cada función de predicción. Si no proporciona un alias, de forma predeterminada ambas columnas se devuelven con la etiqueta Expression.

4. Reemplace lo siguiente:

   [<mining model>]   
   

   por:

   [Forecasting_MIXED]  
   

5. Reemplace lo siguiente:

   WHERE [criteria>]   
   

   por:

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

   Ahora la apariencia de la instrucción completa debe ser como la siguiente:

   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. En el archivo menú, haga clic en Guardar DMXQuery1.dmx como.

7. En el Guardar como cuadro de diálogo, busque la carpeta correspondiente y nombre de archivo SimpleTimeSeriesPrediction.dmx.

8. En la barra de herramientas, haga clic en el Execute botón.

   La consulta devuelve 6 predicciones para cada una de las dos combinaciones de producto y la región que se especifican en el donde cláusula.

En la lección siguiente, creará una consulta que proporciona los datos nuevos al modelo y comparará los resultados de esa predicción con la recién creada.

Siguiente tarea de la lección

Lección 5: Extender el modelo de serie temporal

Vea también

PredictTimeSeries (DMX)
Lag (DMX)
Ejemplos de consultas de modelos de serie temporal
Lección 2: Creación de un escenario de previsión ( Tutorial de minería de datos intermedios )