Explorer un modèle à l'aide de la visionneuse de l'algorithme MTS (Microsoft Time Series)

S’applique à : SQL Server 2019 et versions antérieures d’Analysis Services Azure Analysis Services Fabric/Power BI Premium

Microsoft Time Series Viewer dans Microsoft SQL Server SQL Server Analysis Services affiche les modèles d’exploration de données générés avec l’algorithme Microsoft Time Series. L’algorithme Microsoft Time Series est un algorithme de régression qui crée des modèles d’exploration de données pour la prédiction de colonnes continues, telles que les ventes de produits, dans un scénario de prévision. Ces modèles de série chronologiques peuvent inclure des informations basées sur des algorithmes différents :

• L'algorithme ARTxp, qui est optimisé pour les prédictions à court terme.

• L'algorithme ARIMA, optimisé pour les prédictions à long terme.

• Un mélange entre les algorithmes ARTxp et ARIMA.

Pour plus d’informations sur ces algorithmes, consultez Algorithme MTS (Microsoft Time Series) et Références techniques relatives à l’algorithme MTS (Microsoft Time Series).

Onglets de la visionneuse

Lorsque vous parcourez un modèle d’exploration de données dans SQL Server Analysis Services, le modèle s’affiche sous l’onglet Visionneuse du modèle d’exploration de données Designer dans la visionneuse appropriée pour le modèle. Microsoft Time Series Viewer fournit les onglets suivants :

• Modèle

• Graphiques

Remarque Les informations affichées pour le contenu du modèle et dans la Légende d’exploration de données dépendent de l’algorithme que le modèle utilise. Toutefois, les onglets Modèle et Graphiques sont les mêmes indépendamment de la combinaison d’algorithmes.

Modéliser

Lorsque vous générez un modèle de série chronologique, SQL Server Analysis Services présente le modèle terminé sous forme d’arborescence. Si vos données contiennent plusieurs séries de cas, SQL Server Analysis Services génère une arborescence distincte pour chaque série. Supposons, par exemple, que vous prévoyiez des ventes pour la zone Pacifique, l'Amérique du Nord et des régions d'Europe. Les prédictions pour chacune de ces régions sont des séries de cas. SQL Server Analysis Services crée une arborescence distincte pour chacune de ces séries. Pour afficher une série particulière, sélectionnez-la série dans la liste Arborescence .

Pour chaque arborescence, le modèle de série chronologique contient un nœud Tous , puis il le fractionne en une série des nœuds qui représentent des structures périodiques découvertes par l’algorithme. Vous pouvez cliquer sur chaque nœud pour afficher des statistiques, telles que le nombre de cas et l'équation.

Si vous avez créé le modèle à l’aide d’ARTxp uniquement, la Légende d’exploration de données pour le nœud racine contient uniquement le nombre total de cas. Pour chaque nœud non racine, la légende d’exploration de données contient des informations plus détaillées sur le fractionnement de l’arborescence : par exemple, elle peut afficher l’équation du nœud et le nombre de cas. La règle dans la légende contient des informations qui identifient la série et la tranche de temps d’application de la règle. Par exemple, le texte de légende M200 Europe Amount -2 indique que le nœud représente le modèle de la série M200 Europe, à une période équivalente à deux tranches de temps en arrière.

Si vous avez créé le modèle à l’aide d’ARIMA uniquement, l’onglet Modèle contient un nœud unique avec la légende Tous. La Légende d’exploration de données pour le nœud racine contient l’équation ARIMA.

Si vous avez créé un modèle mixte, le nœud racine contient le nombre de cas et l'équation ARIMA uniquement. Après le nœud racine, l'arborescence est fractionnée en différents nœuds pour chaque structure périodique. Pour chaque nœud non racine, la Légende d'exploration de données contient à la fois les algorithmes ARTxp et ARIMA, l'équation pour le nœud et le nombre de cas dans le nœud. L'équation ARTxp est répertoriée en premier et étiquetée comme équation de nœud d'arborescence. Elle est suivie par l'équation ARIMA. Pour plus d’informations sur l’interprétation de ces informations, consultez, Références techniques relatives à l’algorithme MTS (Microsoft Time Series).

En général, le graphique d’arbre de décision affiche le fractionnement le plus important, le nœud Tous , à gauche de la visionneuse. Dans les arbres de décision, le fractionnement situé après le nœud Tous est le plus important, car il contient la condition qui sépare de la façon la plus importante les données d’apprentissage. Dans un modèle de série chronologique, le branchement principal indique le cycle saisonnier le plus probable. Les fractionnements situés après le nœud Tous apparaissent à droite de la branche.

Vous pouvez développer ou réduire certains nœuds dans l'arbre pour afficher ou masquer les fractionnements qui apparaissent après chaque nœud. Vous pouvez également utiliser les options de l’onglet Arbre de décision pour modifier l’affichage de l’arbre. Utilisez le curseur Afficher le niveau pour régler le nombre de niveaux affichés dans l’arbre. Utilisez Expansion par défaut pour définir le nombre de niveaux par défaut affichés pour tous les arbres du modèle.

L'ombrage de la couleur d'arrière-plan pour chaque nœud indique le nombre de cas qui se trouvent dans le nœud. Pour trouver le nombre exact de cas dans un nœud, placez le pointeur sur le nœud pour afficher une info-bulle sur le nœud.

Retour en haut

Graphiques

L’onglet Graphiques affiche un graphique qui représente le comportement de l’attribut prévu sur le temps, avec cinq valeurs futures prévues. L'axe vertical du graphique représente la valeur de la série et l'axe horizontal le temps.

Utilisez le bouton Abs pour basculer entre des courbes absolues et relatives. Si votre graphique contient plusieurs modèles, l'échelle des données pour chaque modèle peut être très différente. Si vous utilisez une courbe absolue, un modèle peut apparaître sous forme de ligne à deux dimensions (flat), alors qu'un autre modèle affiche des modifications significatives. Cela est dû au fait que l'échelle de l'un des modèles est plus importante que celle de l'autre modèle. En basculant vers une courbe relative, vous modifiez l'échelle pour afficher le pourcentage de modification au lieu de valeurs absolues. Cela le simplifie la comparaison des modèles basés sur ses échelles différentes.

Si le modèle d'exploration de données contient plusieurs séries chronologiques, vous pouvez sélectionner une ou plusieurs séries à afficher dans le graphique. Il vous suffit de cliquer sur la liste à droite de la visionneuse et de sélectionner la série de votre choix dans celle-ci. Si le graphique devient trop complexe, vous pouvez filtrer les séries affichées en activant ou en désactivant les cases à cocher des séries dans la légende.

Le graphique affiche à la fois les données historiques et les données futures. Les données futures sont grisées, afin de les distinguer des données d'historique. Les valeurs de données apparaissent sous forme de lignes pleines pour les données historiques et de lignes en pointillés pour les prédictions. Vous pouvez modifier la couleur des lignes utilisées pour chaque série en définissant les propriétés dans SQL Server Data Tools ou SQL Server Management Studio. Pour plus d’informations, consultez Modifier les couleurs utilisées dans la visionneuse d’exploration de données.

Vous pouvez régler la plage de temps affichée en utilisant les options de zoom. Vous pouvez également afficher une plage de temps spécifique en cliquant sur le graphique, en faisant glisser une plage de temps dans le graphique, puis en cliquant de nouveau pour effectuer un zoom avant sur la plage sélectionnée.

Vous pouvez sélectionner le nombre d’étapes chronologiques futures que doit contenir le modèle, en utilisant Étapes de la prévision. Si vous cochez la case Afficher les écarts , la visionneuse affiche des barres d’erreur pour que vous puissiez voir le niveau de précision de la valeur prédite.

Retour en haut

Voir aussi

Tâches de la visionneuse de modèle d'exploration de données et procédures
Algorithme MTS (Microsoft Time Series)
Time Series Model Query Examples
Visionneuses de modèle d’exploration de données