MS时序分析算法
它是针对连续值(如时间段内的销售额)进行预测的算法(其中包含多种优化后的算法)
时序算法的输入输出为同一列
时序模型中的重要算法参数
3.1. Periodicity_hint:该参数提供了有关数据模式重复频率的算法信息(以数据的时序的最小单位为基准,经过N个单位重复一次就设置为{n},如:以日为基准,周为循环的话就是{7},以月为循环就是{31},以周月为循环就是{7,31},以此类推)
3.2. Missing_Value_Substitution:填充历史数据中的确实,因为时序算法要求时序不能中断时序分析模型提供了每一个序列类型根据数据内容形成决策树,推测每一个序列随着时间轴的进展所影响该序列的因素值
时序模型所需数据
5.1. 单个键时间列:必须唯一且连续
5.2. 可预测列:至少有一个可预测列,且必须为连续值
5.3. 可选序列键列:每个模型可包含一个可选的附加键列,就是可与时间列组成复合主键的列(如:产品、店铺等等,每个时间点每个产品只能出现一次)时序分析模型的建立
6.1. 创建时序分析模型挖掘结构视图,参考如下,这里包含了日期、店铺名、销售额
CREATE view [dbo].[v_DM_timeSeries]
as
select d.fullDate, s.storeName, sum(st.payAmount) saleAmount
from [dbo].[FactSaleDocTender] st
j