4단원: DMX를 사용하여 시계열 예측 만들기

이 단원과 다음 단원에서는 DMX(데이터 마이닝 확장)를 사용하여 1단원: 시계열 마이닝 모델 및 마이닝 구조 만들기 및 2단원: 시계열 마이닝 구조 에 마이닝 모델 추가에서 만든 시계열 모델을 기반으로 다양한 유형의 예측을 만듭니다.

시계열 모델을 사용하면 예측을 수행할 수 있는 다양한 옵션이 있습니다.

마이닝 모델에서 기존 패턴 및 데이터 사용
마이닝 모델에서 기존 패턴을 사용하지만 새 데이터 제공
모델에 새 데이터를 추가하거나 모델을 업데이트합니다.

이러한 예측 형식을 만들기 위한 구문은 아래에 요약되어 있습니다.

기본 시계열 예측
DMX(PredictTimeSeries)를 사용하여 학습된 마이닝 모델에서 지정된 수의 예측을 반환합니다.

예를 들어 PredictTimeSeries(DMX) 또는 시계열 모델 쿼리 예제를 참조하세요.

모델 사례 확장
EXTEND_MODEL_CASES 인수와 함께 DMX(PredictTimeSeries) 를 사용하여 새 데이터를 추가하고, 계열을 확장하고, 업데이트된 마이닝 모델을 기반으로 예측을 만듭니다.

이 자습서에는 EXTEND_MODEL_CASES 사용하는 방법의 예가 포함되어 있습니다.

REPLACE_MODEL_CASES
REPLACE_MODEL_CASES 인수와 함께 PredictTimeSeries(DMX) 를 사용하여 원래 데이터를 새 데이터 계열로 바꾼 다음 마이닝 모델의 패턴을 새 데이터 계열에 적용하여 예측을 만듭니다.

REPLACE_MODEL_CASES 사용하는 방법에 대한 예제는 2단원: 예측 시나리오 빌드(중간 데이터 마이닝 자습서)를 참조하세요.

학습 과제

이 단원에서는 다음 작업을 수행합니다.

기존 데이터를 기반으로 기본 예측을 가져오는 쿼리를 만듭니다.

다음 단원에서는 다음과 같은 관련 작업을 수행합니다.

새 데이터를 제공하고 업데이트된 예측을 가져오는 쿼리를 만듭니다.

DMX를 사용하여 수동으로 쿼리를 만드는 것 외에도 SSDT(SQL Server Data Tools)에서 예측 쿼리 작성기를 사용하여 예측을 만들 수도 있습니다.

간단한 시계열 예측 쿼리

첫 번째 단계는 SELECT FROM 문과 PredictTimeSeries 함수를 함께 사용하여 시계열 예측을 만드는 것입니다. 시계열 모델은 예측을 만들기 위한 간소화된 구문을 지원합니다. 입력을 제공할 필요는 없지만 만들 예측 수를 지정하기만 하면 됩니다. 다음은 사용할 진술의 일반적인 예입니다.

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

선택 목록에는 예측을 만드는 제품 줄의 이름과 같은 모델의 열이나 시계열 마이닝 모델용인 Lag(DMX) 또는 PredictTimeSeries(DMX)와 같은 예측 함수가 포함될 수 있습니다.

간단한 시계열 예측 쿼리를 만들려면

개체 탐색기에서 Analysis Services 인스턴스를 마우스 오른쪽 단추로 클릭하고 새 쿼리를 가리킨 다음 DMX를 클릭합니다.

쿼리 편집기가 열리고 비어 있는 새 쿼리가 포함됩니다.
문의 제네릭 예제를 빈 쿼리에 복사합니다.
다음을 대체하십시오
```
<select list>   
```
와 함께
```
[Forecasting_MIXED].[ModelRegion],  
PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,  
PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt  
```
첫 번째 줄은 계열을 식별하는 마이닝 모델에서 값을 검색합니다.

두 번째 줄과 세 번째 줄은 함수를 PredictTimeSeries 사용합니다. 각 줄은 다른 특성 [Quantity] 또는 [Amount]을 예측합니다. 예측 가능한 특성 이름 뒤의 숫자는 예측할 시간 단계를 지정합니다.

절 AS 은 각 예측 함수에서 반환되는 열의 이름을 제공하는 데 사용됩니다. 별칭을 제공하지 않으면 기본적으로 두 열이 모두 레이블 Expression과 함께 반환됩니다.

다음을 대체하십시오

[<mining model>]

와 함께

[Forecasting_MIXED]

다음을 대체하십시오

WHERE [criteria>]

와 함께

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

이제 전체 문은 다음과 같습니다.

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'

파일 메뉴에서 DMXQuery1.dmx 다른 이름으로 저장을 클릭합니다.
다른 이름으로 저장 대화 상자에서 적절한 폴더로 이동하고 파일 SimpleTimeSeriesPrediction.dmx이름을 지정합니다.
도구 모음에서 실행 단추를 클릭합니다.

쿼리는 절에 지정된 제품과 지역의 두 조합 각각에 WHERE 대해 6개의 예측을 반환합니다.

다음 단원에서는 모델에 새 데이터를 제공하는 쿼리를 만들고 해당 예측 결과를 방금 만든 예측과 비교합니다.

수업의 다음 과제

5단원: 시계열 모델 확장

또한 참조하십시오

PredictTimeSeries(DMX)
지연 시간(DMX)
시계열 모델 쿼리 예제
2단원: 예측 시나리오 빌드(중간 데이터 마이닝 자습서)

Last updated on 2017-06-13