Lección 4: Creación de predicciones de serie temporal mediante DMX

En esta lección y en la lección siguiente, usará extensiones de minería de datos (DMX) para crear diferentes tipos de predicciones basadas en los modelos de serie temporal que creó en la lección 1: Crear un modelo de minería de datos y una estructura de minería de datos y una 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:

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

• Utilice los patrones existentes en el modelo de minería de datos, pero suministre nuevos datos

• Agregue nuevos datos al modelo o actualice el modelo.

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

Predicción predeterminada de series temporales
Utilice PredictTimeSeries (DMX) para obtener el número especificado de predicciones a partir del modelo de minería de datos entrenado.

Por ejemplo, vea PredictTimeSeries (DMX) o Ejemplos de consultas de modelos de serie temporal.

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

Este tutorial contiene un ejemplo de cómo usar EXTEND_MODEL_CASES.

REPLACE_MODEL_CASES
Use PredictTimeSeries (DMX) con el argumento REPLACE_MODEL_CASES para reemplazar los datos originales por una nueva serie de datos y, a continuación, cree predicciones basadas en la aplicación de los patrones del 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

Realizará las siguientes tareas en esta lección:

• Cree una consulta para obtener las predicciones predeterminadas en función de los datos existentes.

En la lección siguiente, realizará las siguientes tareas relacionadas:

• Cree una consulta para proporcionar nuevos datos y obtener predicciones actualizadas.

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

Consulta de predicción de series temporales sencilla

El primer paso es usar la SELECT FROM instrucción junto con la PredictTimeSeries función para crear predicciones de series temporales. 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 se van a crear. A continuación se muestra un ejemplo genérico de la declaración que usted utilizará.

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

La lista de selección puede contener columnas del modelo, como el nombre de la línea de producto para la que va a crear las predicciones o las funciones de predicción, como Retraso (DMX) o PredictTimeSeries (DMX), que son específicamente para los modelos de minería de datos de series temporales.

Para crear una consulta de predicción de series temporales sencilla

1. En el Explorador de objetos, haga clic con el botón derecho en la instancia de Analysis Services, seleccione Nueva consulta y, a continuación, haga clic en DMX.

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

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

3. Reemplace lo siguiente:

   <select list>   
   

   con:

   [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.

   Las líneas segunda y tercera usan la 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 de tiempo que se van a predecir.

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

4. Reemplace lo siguiente:

   [<mining model>]   
   

   con:

   [Forecasting_MIXED]  
   

5. Reemplace lo siguiente:

   WHERE [criteria>]   
   

   con:

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

   La instrucción completa debe ser 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 menú Archivo , haga clic en Guardar DMXQuery1.dmx Como.

7. En el cuadro de diálogo Guardar como , vaya a la carpeta adecuada y asigne al archivo SimpleTimeSeriesPrediction.dmxel nombre .

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

   La consulta devuelve 6 predicciones para cada una de las dos combinaciones de producto y región especificadas en la WHERE cláusula .

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

Siguiente tarea de la lección

Lección 5: Extender el modelo de serie temporal

Véase también

PredictTimeSeries (DMX)
Retraso (DMX)
Ejemplos de consultas del modelo de serie temporal
Lección 2: Creación de un escenario de previsión (Tutorial intermedio de minería de datos)