Freigeben über


Durchsuchen eines Modells mithilfe des Microsoft Time Series Viewers

Der Microsoft Time Series Viewer in Microsoft SQL Server Analysis Services zeigt Miningmodelle an, die mit dem Microsoft Time Series-Algorithmus erstellt werden. Der Microsoft Time Series-Algorithmus ist ein Regressionsalgorithmus, der Data Mining-Modelle für die Vorhersage fortlaufender Spalten erstellt, z. B. Produktverkäufe, in einem Prognoseszenario. Diese Zeitreihenmodelle können Informationen basierend auf verschiedenen Algorithmen enthalten:

  • Der ARTxp-Algorithmus, der für die kurzfristige Vorhersage optimiert ist.

  • Der ARIMA-Algorithmus, der für die langfristige Vorhersage optimiert ist.

  • Eine Mischung der ARTxp- und ARIMA-Algorithmen.

Weitere Informationen zu diesen Algorithmen finden Sie unter Microsoft Time Series Algorithm and Microsoft Time Series Algorithm Technical Reference.

Hinweis

Verwenden Sie den Microsoft Generic Content Tree Viewer, um detaillierte Informationen zu den formeln anzuzeigen, die im Modell und den ermittelten Mustern verwendet wurden. Weitere Informationen finden Sie unter Durchsuchen eines Modells mithilfe der Microsoft Generic Content Tree Viewer oder microsoft Generic Content Tree Viewer (Data Mining).

Ansichts-Tabs

Wenn Sie ein Miningmodell in Analysis Services durchsuchen, wird das Modell auf der Registerkarte "Mining Model Viewer " von Data Mining Designer im entsprechenden Viewer für das Modell angezeigt. Der Microsoft Time Series Viewer bietet die folgenden Registerkarten:

Anmerkung Die Informationen für den Modellinhalt und in der Mininglegende hängen vom Algorithmus ab, den das Modell verwendet. Die Registerkarten "Modell " und "Diagramme " sind jedoch unabhängig vom Algorithmusmix identisch.

Modell

Wenn Sie ein Zeitreihenmodell erstellen, präsentiert Analysis Services das fertige Modell als Baum. Wenn Ihre Daten mehrere Fallreihen enthalten, erstellt Analysis Services eine separate Struktur für jede Datenreihe. So prognostizieren Sie z. B. die Umsätze für die Regionen Pazifik, Nordamerika und Europa. Die Vorhersagen für jede dieser Regionen sind Fallreihen. Analysis Services erstellt eine separate Baumstruktur für jede dieser Datenreihen. Um eine bestimmte Datenreihe anzuzeigen, wählen Sie die Datenreihe aus der Strukturliste aus.

Für jeden Baum enthält das Zeitreihenmodell einen Alle-Knoten und teilt sich dann in eine Reihe von Knoten auf, die periodische Strukturen darstellen, die vom Algorithmus ermittelt werden. Sie können auf jeden Knoten klicken, um Statistiken wie die Anzahl der Fälle und die Formel anzuzeigen.

Wenn Sie das Modell nur mit ARTxp erstellt haben, enthält die Mininglegende für den Stammknoten nur die Gesamtanzahl der Fälle. Für jeden Nicht-Stammknoten enthält die Mininglegende detailliertere Informationen zur Strukturteilung: Beispielsweise kann die Formel für den Knoten und die Anzahl der Fälle angezeigt werden. Die Regel in der Legende enthält Informationen, die die Datenreihe identifizieren, und das Zeitsegment, auf das die Regel angewendet wird. Der Legendentext M200 Europe Amount -2 gibt beispielsweise an, dass der Knoten das Modell für die M200 Europe-Serie vor zwei Zeitsegmenten darstellt.

Wenn Sie das Modell nur mit ARIMA erstellt haben, enthält die Registerkarte " Modell " einen einzelnen Knoten mit der Beschriftung "Alle". Die Mininglegende für den Stammknoten enthält die ARIMA-Formel.

Wenn Sie ein gemischtes Modell erstellt haben, enthält der Stammknoten nur die Anzahl der Fälle und die ARIMA-Formel. Nach dem Wurzelknoten teilt sich der Baum in separate Knoten für jede periodische Struktur auf. Für jeden Nicht-Stammknoten enthält die Mininglegende sowohl die ARTxp- als auch ARIMA-Algorithmen, die Formel für den Knoten und die Anzahl der Fälle im Knoten. Die ARTxp-Gleichung wird zuerst aufgelistet und als Baumknotengleichung bezeichnet. Es folgt die ARIMA-Gleichung. Weitere Informationen zum Interpretieren dieser Informationen finden Sie in der technischen Referenz zu Microsoft Time Series Algorithm.

Im Allgemeinen zeigt das Entscheidungsbaumdiagramm die wichtigste Teilung, den Knoten „Alle“ links im Viewer an. Bei Entscheidungsbäumen ist die Aufteilung nach dem Alle-Knoten am wichtigsten, da sie die Bedingung enthält, die die Fälle in den Schulungsdaten am stärksten trennt. In einem Zeitreihenmodell gibt die Hauptzweigung den höchstwahrscheinlichen saisonbedingten Zyklus an. Aufteilungen nach dem "Alle"-Knoten erscheinen rechts neben dem Zweig.

Sie können einzelne Knoten in der Struktur erweitern oder reduzieren, um die Teilungen anzuzeigen oder auszublenden, die nach jedem Knoten auftreten. Sie können auch die Optionen auf der Registerkarte " Entscheidungsstruktur " verwenden, um zu beeinflussen, wie die Struktur angezeigt wird. Verwenden Sie den Schieberegler " Ebene anzeigen ", um die Anzahl der Ebenen anzupassen, die in der Struktur angezeigt werden. Verwenden Sie Standard Expansion, um die Standardanzahl von Ebenen festzulegen, die für alle Bäume im Modell angezeigt werden.

Die Schattierung der Hintergrundfarbe für jeden Knoten gibt die Anzahl der Fälle an, die sich im Knoten befinden. Um die genaue Anzahl von Fällen in einem Knoten zu finden, halten Sie den Mauszeiger über den Knoten, um eine Quickinfo anzuzeigen.

Zurück zum Anfang

Diagramme

Auf der Registerkarte "Diagramme " wird ein Diagramm angezeigt, das das Verhalten des vorhergesagten Attributs im Laufe der Zeit zusammen mit fünf vorhergesagten zukünftigen Werten anzeigt. Die vertikale Achse des Diagramms stellt den Wert der Datenreihe dar, und die horizontale Achse stellt die Zeit dar.

Hinweis

Die auf der Zeitachse verwendeten Zeitsegmente hängen von den in Ihren Daten verwendeten Einheiten ab: Sie können Tage, Monate oder sogar Sekunden darstellen.

Verwenden Sie die Abs-Schaltfläche, um zwischen relativen und absoluten Kurven umzuschalten. Wenn Ihr Diagramm mehrere Modelle enthält, kann die Skalierung der Daten für jedes Modell sehr unterschiedlich sein. Wenn Sie eine absolute Kurve verwenden, kann ein Modell als flache Linie angezeigt werden, während ein anderes Modell erhebliche Änderungen zeigt. Dies tritt auf, da die Skalierung eines Modells größer als die Skalierung des anderen Modells ist. Indem Sie zu einer relativen Kurve wechseln, ändern Sie die Skalierung, um den Prozentsatz der Änderung anstelle von absoluten Werten anzuzeigen. Dies erleichtert das Vergleichen von Modellen, die auf unterschiedlichen Skalierungen basieren.

Wenn das Miningmodell mehrere Zeitreihen enthält, können Sie eine oder mehrere Datenreihen auswählen, die im Diagramm angezeigt werden sollen. Klicken Sie einfach rechts neben dem Viewer auf die Liste, und wählen Sie die gewünschte Serie aus der Liste aus. Wenn das Diagramm zu komplex wird, können Sie die datenreihen filtern, die angezeigt werden, indem Sie die Reihenkontrollkästchen in der Legende aktivieren oder deaktivieren.

Das Diagramm zeigt sowohl historische als auch zukünftige Daten an. Zukünftige Daten werden schattiert angezeigt, um sie von historischen Daten zu unterscheiden. Die Datenwerte werden als durchgezogene Linien für historische Daten und als gepunktete Linien für Vorhersagen angezeigt. Sie können die Farbe der Zeilen ändern, die für jede Datenreihe verwendet werden, indem Sie Eigenschaften in SQL Server Data Tools (SSDT) oder SQL Server Management Studio festlegen. Weitere Informationen finden Sie unter Ändern der im Data Mining Viewer verwendeten Farben.

Sie können den Zeitraum anpassen, der mithilfe der Zoomoptionen angezeigt wird. Sie können auch einen bestimmten Zeitraum anzeigen, indem Sie auf das Diagramm klicken, eine Zeitauswahl über das Diagramm ziehen und dann erneut klicken, um den ausgewählten Bereich zu vergrößern.

Mithilfe von Vorhersageschritten können Sie auswählen, wie viele zukünftige Zeitschritte im Modell angezeigt werden sollen. Wenn Sie das Kontrollkästchen "Abweichungen anzeigen " aktivieren, stellt der Viewer Fehlerindikatoren bereit, damit Sie sehen können, wie genau der vorhergesagte Wert ist.

Zurück zum Anfang

Siehe auch

Aufgaben des Miningmodell-Viewers und praktische Anleitungen
Microsoft-Zeitreihenalgorithmus
Abfragebeispiele für Zeitreihenmodelle
Data Mining-Modellanzeigen