基于.NET实现数据挖掘--时序算法2

http://www.cnblogs.com/captain_ccc/articles/4093648.html

前言
本篇我们将总结的算法为Microsoft时序算法的结果预测值，是上一篇文章Microsoft时序算法的 一个总结，上一篇我们已经基于微软案例数据库的销售历史信息表，利用Microsoft时序算法对其结果进行了预测，并且相应形成了折线预测图和模型依赖
属性，有兴趣的同学可以点击查看，但是上篇文章的能给出的只是一个描述趋势的折线图，从图中我们能分析出的知识也只能通过语言描述，而这里面缺少更确切的 数据支撑，作为一个凡事以数据说话的年代显然这是不够的，本篇我们将根据上一篇的预测过程详细的给出预测结果值，形成一份可供具体参考的数据明细表。
应用场景介绍
作为Microsoft时序算法的应用场景，在上一篇我们已经详细介绍了，本篇就不再赘述，总结一下就是凡事要应用时间总线为依据，根据以往历史事例记录推测以后将要发生的结果值，此种场景我们都会应用到时序算法。
比如：预测销售记录、预测营业额度、预测明年公司员工人数、预测下个月房价、预测明年.....
但其实凡此种种我们要挖掘的其实是一种规律，一种事态进展中的导向，而这些可能不基于数据仅凭经验值是做不到的或者说不准确的，凡事有因必有果，很 多事情冥冥中已经注定，汗...有点佛家寓言的味道！时序算法更重要的是展现这注定的过程，然后推算出将要发生的结果。对于本来的事例就无规律可循，这种 事情是用Microsoft时序算法无法预测的，或者预测结果是不准的，比如：大师，您帮我算算我下期彩票买什么号能中一等奖？？？我那个去！....汗......也能算..只是不准！...
技术准备
（1）参照上一篇文章，我们利用微软提供的案例数据仓库（AdventureWorksDW2008R2)，这这里我们只需要用到一张表，确切的说是一张视图vTimeSeries，其实这里面就是记录的往年不同月份的销售汇总值，稍后我们将详细分析这部分数据。
（2）VS2008、SQL Server、 Analysis Services
操作步骤
（1）这里我们应用上期中时序算法的解决方案，我们打开：



这里上篇文章我们已经分析的很详细，有兴趣的童鞋可以参照上一篇文章，到此我们来可以验证下该模型的准确度怎么样，我们来查看“挖掘准确性图表”


 可以看到此处为灰色显示，也就是说对于Microsoft时序算法模型，准确度模型是没法预测的，这也是在Microsoft所有的挖掘算法中唯一一个不能利用准确度性图表进行验证的，原因很简单：事情还没发生，你验证个P...
以往的挖掘模型可以通过历史遗留的部分事例进行验证模型的准确度，而时序算法不行，因为你的时间维度还没演变到此，所有的所有的都还未发生，没法验证。当然我们可以采用交叉验证根据以往的事例来验证当前时间以前发生的事是否准确。咱们后期进行....
（2）基于现有Microsoft时序算法来推测未来发生结果值
这个步骤没啥复杂的，就是根据上篇我们的时序挖掘模型来推测出未来将要产生的销售额和销售量，我们会推测出详细的结果值表
我们进入“挖掘模型预测”面板



我们选择源为“预测函数”，将Amount、Quantity两个预测值拖到条件/参数窗口，然后输入预测步骤为5，并且将主键列加入或者我们直接填写查询语句：



点击运行按钮，我们来查看结果：



结果出现了，M200这款自行车在欧洲在2008年的销售额和销售量我们已经确切的预测出来了，因为我们只是预测了5个月，其它时间段的也可以推测出，当然其它的产品可以查看，此处我们就不展开了，剩下的工作我们将它们保存到数据库：



我们来查看数据库明细：



分类: 机器学习&数据挖掘