PredictTimeSeries (DMX)

構文

PredictTimeSeries(<table column reference>)
PredictTimeSeries(<table column reference>, n)
PredictTimeSeries(<table column reference>, n-start, n-end)
PredictTimeSeries(<scalar column reference>)
PredictTimeSeries(<scalar column reference>, n)
PredictTimeSeries(<scalar column reference>, n-start, n-end)
PredictTimeSeries(<table column reference>, n, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<table column reference>, n-start, n-end, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<scalar column reference>, n, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<scalar column reference>, n-start, n-end, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>

引数

• <table column reference>, <scalar column referenc>
  予測する列の名前を指定します。列にはスカラー データまたは表形式データを格納できます。

• n
  予測する次のステップの数を指定します。n に値を指定しない場合の既定値は 1 です。

  n には 0 を指定できません。1 つ以上の予測を作成しないと、関数はエラーを返します。

• n-start, n-end
  時系列ステップの範囲を指定します。

  n-start には 0 以外の整数を指定する必要があります。

  n-end には n-start より大きい整数を指定する必要があります。

• <source query>
  予測の作成に使用される外部データを定義します。

• REPLACE_MODEL_CASES | EXTEND_MODEL_CASES
  新しいデータの処理方法を指定します。

  REPLACE_MODEL_CASES を指定すると、モデルのデータ ポイントが新しいデータに置き換えられます。ただし、予測は既存のマイニング モデル内のパターンに基づきます。

  EXTEND_MODEL_CASES を指定すると、新しいデータが元のトレーニング データセットに追加されます。将来の予測は、新しいデータを使い果たした後にのみ複合データセットに基づいて作成されます。

  これらの引数は、PREDICTION JOIN ステートメントを使用して新しいデータを追加する場合にのみ使用できます。PREDICTION JOIN クエリで引数を指定しない場合の既定値は EXTEND_MODEL_CASES です。

戻り値の型

<table expression> です。

説明

Microsoft タイム シリーズ アルゴリズムでは、PREDICTION JOIN ステートメントを使用して新しいデータを追加する場合、履歴予測はサポートされません。

PREDICTION JOIN では、予測処理は常に、元のトレーニング シリーズが終了した直後の時間ステップから開始されます。これは、新しいデータを追加する場合にも当てはまります。したがって、n パラメーターと n-start パラメーターの値は、0 より大きい整数である必要があります。

注
新しいデータの長さは、予測の開始位置には影響しません。そのため、新しいデータを追加して新しい予測を作成する場合は、予測の開始位置を新しいデータの長さより大きい値に設定するか、予測の終了位置を新しいデータの長さだけ拡張するようにします。

例

次の例は、既存の時系列モデルに対する予測の作成方法を示しています。

• 最初の例では、現在のモデルに基づいた予測を指定した数だけ作成する方法を示します。

• 2 番目の例では、REPLACE_MODEL_CASES パラメーターを使用して、指定したモデル内のパターンを新しいデータセットに適用する方法を示します。

• 3 番目の例では、EXTEND_MODEL_CASES パラメーターを使用して、マイニング モデルを新しいデータで更新する方法を示します。

時系列モデルの操作の詳細については、データ マイニング チュートリアル「レッスン 2: 予測シナリオの作成 (中級者向けデータ マイニング チュートリアル)」および「時系列予測の DMX のチュートリアル」を参照してください。

注
モデルの結果は異なる場合があります。次の例の結果は、結果の形式を説明することのみを目的としています。

例 1 : 特定の数のタイム スライスを予測する

SELECT FLATTENED
    [Forecasting].[Model Region],
    PredictTimeSeries([Forecasting].[Quantity],3)AS t 
FROM
    [Forecasting]
WHERE [Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 Pacific'

例 2 : 新しいデータを追加して REPLACE_MODEL_CASES を使用する

SELECT [Forecasting].[Model Region],
    PredictTimeSeries([Forecasting].[Quantity], 3, REPLACE_MODEL_CASES) 
FROM
    [Forecasting]
PREDICTION JOIN
  OPENQUERY([Adventure Works DW2008R2],
    'SELECT [ModelRegion], 
    ([Quantity] * 2) as Quantity,
    ([Amount] * 2) as Amount,
      [ReportingDate]
    FROM [dbo].vTimeSeries
    WHERE ModelRegion = N''M200 Pacific''
    ') AS t
ON
  [Forecasting].[Model Region] = t.[ Model Region] AND
[Forecasting].[Reporting Date] = t.[ReportingDate] AND
[Forecasting].[Quantity] = t.[Quantity] AND
[Forecasting].[Amount] = t.[Amount]

例 3: 新しいデータを追加して EXTEND_MODEL_CASES を使用する

SELECT [Model Region],
    PredictTimeSeries([Forecasting].[Quantity], 5, EXTEND_MODEL_CASES) 
FROM
    [Forecasting]
NATURAL PREDICTION JOIN
    (SELECT
        1 as [Reporting Date],
        10 as [Quantity],
        'M200 Europe' AS [Model Region]
    UNION SELECT 
        2 as [Reporting Date],
        15 as [Quantity],
        'M200 Europe' AS [Model Region]
) AS T
WHERE ([Model Region] = 'M200 Europe'
 OR [Model Region] = 'M200 Pacific')

例 4: 時系列予測の統計を返す

PredictTimeSeries 関数は、パラメーターとして INCLUDE_STATISTICS をサポートしていません。ただし、次のクエリを使用して、時系列のクエリに対する予測の統計を返すことができます。この方法は、テーブル列を入れ子にしているモデルにも使用できます。

この特定のモデルでは、予測可能な属性が Quantity であるため、[Quantity] を PredictTimeSeries 関数の最初の引数として使用する必要があります。モデルで別の予測可能な属性を使用する場合は、別の列名に置き換えることができます。

SELECT FLATTENED [Model Region],
(SELECT 
     $Time,
     [Quantity] as [PREDICTION], 
     PredictVariance([Quantity]) AS [VARIANCE],
     PredictStdev([Quantity]) AS [STDEV]
FROM
      PredictTimeSeries([Quantity], 3) AS t
) AS t
FROM Forecasting
WHERE [Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 North America'

サンプルの結果 :

注
この例では、FLATTENED キーワードを使用して、結果を表形式でわかりやすくしました。ただし、プロバイダーで階層的な行セットがサポートされている場合は、FLATTENED キーワードを省略できます。FLATTENED キーワードを省略した場合、クエリでは 2 つの列が返されます。1 つ目の列には、[Model Region] データ系列を識別する値、2 つ目の列には、統計の入れ子になったテーブルが含まれます。

関連項目

参照

概念