El proyecto de muestra contiene varios conjuntos de datos y flujos de modelado de muestra. Si aún no tiene el proyecto de ejemplo, consulte el tema Tutoriales para crear el proyecto de ejemplo. A continuación, siga estos pasos para abrir el proyecto de ejemplo:

1. En Cloud Pak for Data, en el menú de navegación ' , seleccione Proyectos > Ver todos los proyectos.
2. Haga clic en ProyectoSPSS Modeler.
3. Haga clic en la pestaña Activos para ver los conjuntos de datos y los flujos del modelador.

' Comprueba tu progreso

La siguiente imagen muestra la pestaña Activos del proyecto. Ya está preparado para trabajar con el flujo del modelador de ejemplo asociado a este tutorial.

volver a la parte superior

El flujo del modelador de previsión de utilización del ancho de banda incluye varios nodos. Siga estos pasos para examinar los nodos Activo de datos y Filtro:

1. En la pestaña Activos, abra el flujo del modelador Previsión de la utilización del ancho de banda y espere a que se cargue el lienzo.
2. Haga doble clic en el nodo broadband_1.csv. Este nodo es un nodo de Activo de Datos que apunta al archivo broadband_1.csv en el proyecto.
3. Revise las propiedades del formato de archivo.
4. Opcional: Haga clic en Vista previa de datos para ver el conjunto de datos completo.
5. Efectúe una doble pulsación en el nodo Filtro. Observe que este nodo filtra los campos " Market_6 " a " Market_85, y los campos " MONTH_ " y " YEAR_.
6. Opcional: Haga clic en Vista previa de datos para ver el conjunto de datos filtrados.

' Comprueba tu progreso

La siguiente imagen muestra el nodo Filtro. Ya está listo para visualizar los datos.

volver a la parte superior

Siempre es una buena idea visualizar los datos antes de construir un modelo. ¿Muestran los datos variaciones estacionales? Aunque SPSS Modeler puede encontrar automáticamente el mejor modelo estacional o no estacional para cada serie, a menudo puede obtener resultados más rápidos limitando la búsqueda a modelos no estacionales cuando la estacionalidad no está presente en sus datos. Sin examinar los datos de cada uno de los mercados locales, puede hacerse una idea aproximada de la presencia o ausencia de estacionalidad trazando el número total de abonados en los cinco mercados. Siga estos pasos para visualizar los datos:

1. Haga doble clic en el nodo [Market_1 Market_2 Market_3 Market_4 Market_5]. La siguiente imagen muestra las propiedades de este nodo de Trazado temporal.

   

2. Grafique los datos totales de suscripción añadiendo el campo " Total " a la lista Series.
   1. Haz clic en Añadir columnas.
   2. Seleccione el campo Total.
   3. Borra todos los demás campos que empiecen por ' Market_.
   4. Pulse Aceptar.
   5. Borre las opciones Mostrar series en panel separado y Normalizar.
   6. Pulse Guardar.
   7. Pase el ratón por encima del nodo Time Plot y haga clic en el icono Ejecutar ' .
   8. En el panel Salidas y modelos, haga clic en los resultados de salida con el nombre [Total] para ver el gráfico. La serie muestra una suave tendencia al alza sin indicios de variaciones estacionales. Puede que haya series individuales con estacionalidad, pero aparentemente la estacionalidad no es una característica destacada de los datos en general.

      

3. Represente gráficamente los datos de todos los mercados. Inspeccione cada una de las series antes de descartar los modelos estacionales. A continuación, puede separar las series que presentan estacionalidad y modelizarlas por separado.
   1. Haga doble clic en el nodo [Total].
   2. Seleccione el campo Total y haga clic en el icono Eliminar.
   3. Haz clic en Añadir columnas.
   4. Seleccione todos los campos que empiecen por ' Market_.
   5. Pulse Aceptar.
   6. Borre las opciones Mostrar series en panel separado y Normalizar.
   7. Pulse Guardar.
   8. Pase el ratón por encima del nodo Time Plot y haga clic en el icono Ejecutar ' .
   9. En el panel Salidas y modelos, haga clic en los resultados de salida con el nombre [Market_1 Market_2 Market_3 Market_4 Market_5] para ver el gráfico. El examen de cada uno de estos mercados revela una tendencia ascendente continua en cada caso. Aunque algunos mercados son un poco más erráticos que otros, los resultados no muestran indicios de estacionalidad.

      

' Comprueba tu progreso

La imagen siguiente muestra el flujo. Ya está listo para definir las fechas.

volver a la parte superior

Los nodos de relleno se utilizan para sustituir valores de campo y modificar el almacenamiento. Puede sustituir los valores en función de una condición CLEM especificada, como @BLANK(FIELD). También puede sustituir todos los espacios vacíos o valores nulos por un valor específico. Los nodos de relleno se utilizan a menudo junto con el nodo Tipo para sustituir los valores que faltan. Siga estos pasos para establecer el tipo de almacenamiento del campo " DATE_ " en formato de fecha:

1. Haga doble clic en el nodo Relleno para ver sus propiedades.
2. Observe que el campo ' DATE_ ' aparece en la sección Rellenar campos. Esta sección incluye los campos del conjunto de datos cuyos valores se examinan y sustituyen.
3. Compruebe que la opción Sustituir está establecida en Siempre. El comportamiento por defecto es reemplazar los valores basados en la condición utilizando las expresiones Condición y Reemplazar con.
4. Compruebe que el valor Sustituir por está ajustado a ' to_date(DATE_). Dado que la opción Reemplazar está establecida en Siempre, se requiere la expresión Reemplazar por. Esta expresión cambia el tipo de almacenamiento del campo ' DATE_ ' a formato fecha.
5. Haga clic en Vista previa de datos para ver el campo " DATE_ " completado.
6. Pulse Guardar.

' Comprueba tu progreso

La siguiente imagen muestra el nodo Relleno. Ya está listo para definir los objetivos.

volver a la parte superior

Puede especificar propiedades de campo en un nodo Tipo. Siga estos pasos para definir los objetivos en el nodo Tipo:

1. Efectúe una doble pulsación en el nodo Tipo para ver sus propiedades.
2. Haga clic en Leer valores para leer los valores de su fuente de datos y establece los tipos de medición de campo.
   El Rol indica a los nodos de modelado si los campos son de Entrada (campos predictores) o de Destino (campos predichos) para un proceso de aprendizaje automático. Ambas y Ninguna también son funciones disponibles, junto con Partición, que indica un campo que se utiliza para dividir los registros en muestras separadas para la formación, la prueba y la validación. El valor Split especifica que se construyan modelos separados para cada valor posible del campo.
3. Para el campo " DATE_ ", establezca el rol en Ninguno.
4. Para todos los demás campos (los campos " Market_n " más el campo " Total "), establezca el rol en Target.
5. Pulse Guardar.

' Comprueba tu progreso

La siguiente imagen muestra el nodo Tipo. Ahora está listo para establecer los intervalos de tiempo.

volver a la parte superior

En el nodo Series Temporales, puede definir las observaciones que utilizan un campo Fecha/Hora con el intervalo de tiempo apropiado. Siga estos pasos para establecer los intervalos de tiempo en el nodo Series de Tiempos:

1. Haga doble clic en el nodo Serie Temporal (6 campos) para ver sus propiedades.
2. Amplíe la sección Observaciones e intervalo de tiempo. Están disponibles las opciones siguientes:
   • Observaciones especificadas por un campo de fecha/hora: Puede especificar definir las observaciones por un campo de fecha, hora o marca de tiempo. Además del campo que define las observaciones, seleccione el intervalo de tiempo apropiado que describe las observaciones. En función del intervalo de tiempo especificado, también puede especificar otros valores como, por ejemplo, el intervalo entre observaciones (incremento) o el número de días por semana.
   • Observaciones que se definen como períodos o períodos cíclicos: Las observaciones se definen mediante uno o varios campos enteros que representan periodos o ciclos repetitivos de periodos, hasta un número arbitrario de niveles de ciclo. Con esta estructura, puede describir una serie de observaciones que no se ajustan a uno de los intervalos de tiempo estándar. Por ejemplo, un año fiscal de solo 10 meses puede describirse con un campo de ciclo que represente años y un campo de periodo que represente meses, donde la duración de un ciclo es 10.
3. 1. Compruebe que " DATE_ " está seleccionado en el campo Hora/Fecha.
   2. Compruebe que " Months " está seleccionado en el campo Intervalo de tiempo.
4. Amplíe la sección Opciones del modelo.
   1. Seleccione el campo Extender registros al futuro. Este campo establece el número de intervalos a pronosticar más allá del final del periodo de estimación. El intervalo de tiempo en este caso es el intervalo de tiempo del análisis. Cuando se solicitan previsiones, se construyen automáticamente modelos autorregresivos para cualquier serie de entrada que no sea también objetivo. Estos modelos se utilizan para generar valores para estas series de entrada en el periodo de previsión.
   2. Introduzca ' 3 ' para el número de intervalos de tiempo.

' Comprueba tu progreso

La siguiente imagen muestra el nodo Tipo. Ya está listo para construir el modelo.

volver a la parte superior

Con el nodo Series Temporales, puede elegir entre estimar y construir modelos de suavizado exponencial, de Media Móvil Autorregresiva Integrada (ARIMA) univariante o ARIMA multivariante (o función de transferencia) para series temporales, y producir previsiones basadas en los datos de las series temporales.

Tarea 7a: Especificar las opciones del modelo

Siga estos pasos para especificar las opciones del modelo en el nodo Times Series:

1. Visualizando las propiedades del nodo ' Series temporales (6 campos), especifique el ' Objetivos y el ' Aportaciones de los candidatos.
   1. Compruebe que la tabla Objetivos incluye los cinco campos de mercado y el campo " Total ".
   2. Compruebe que la tabla de entradas de candidatos incluye los cinco campos de mercado.
2. Despliegue la sección Opciones generales de construcción. Están disponibles las opciones siguientes:
   • El suavizado exponencial es un método de previsión que utiliza los valores ponderados de las observaciones anteriores de la serie para predecir los valores futuros. Como tal, el suavizado exponencial no se basa en una comprensión teórica de los datos. Prevé un punto cada vez, corrigiendo las previsiones a medida que entran nuevos datos. La técnica es útil para hacer previsiones de las series que muestran una tendencia o estacionalidad. Puede elegir entre distintos modelos de suavizado exponencial que difieren en su tratamiento de la tendencia y estacionalidad.
   • Los modelos ARIMA proporcionan métodos más sofisticados para crear modelos de los componentes de tendencia y estacionales que los modelos de suavizado exponencial y, en concreto, ofrecen la ventaja adicional de incluir variables independientes (predictoras) en el modelo. Este enfoque implica especificar explícitamente los órdenes autorregresivo y de media móvil junto con el grado de diferenciación. Puede incluir variables del predictor y definir funciones de transferencia para algunas o todas ellas, así como especificar la detección automática de valores atípicos o especificar un conjunto explícito de valores atípicos.
   • Expert Modeler intenta identificar y estimar automáticamente el modelo ARIMA o de suavizado exponencial que mejor se ajusta a una o más variables objetivo, eliminando así la necesidad de identificar un modelo apropiado mediante ensayo y error. Si tiene dudas, utilice la opción Modelizador experto.
   1. Compruebe que está seleccionado el método Expert Modeler. Este método permite al Modelador Experto decidir el modelo más apropiado a utilizar para cada serie temporal.
   2. Compruebe que la opción Todos los modelos está seleccionada en el campo Tipo de modelo. Esta opción tiene en cuenta los modelos ARIMA y de suavizado exponencial.
   3. Compruebe que el campo Modelo experto considera modos estacionales está seleccionado. Si esta opción está seleccionada, el modelizador experto tiene en cuenta los modelos tanto estacionales como no estacionales.
   La siguiente imagen muestra la configuración de ' Opciones de construcción - general '.

   
3. Pulse Guardar.
4. Pase el ratón por encima del nodo Series temporales (6 campos) y haga clic en el icono Ejecutar ' .

Tarea 7b: Visualizar los resultados del modelo

Siga estos pasos para ver la salida del modelo en formato de tabla:

1. Pase el ratón por encima del nodo Tabla que está conectado a la pepita modelo y haga clic en el icono Ejecutar ' .
2. En el panel Salidas y modelos, haga clic en los resultados de salida con el nombre Tabla para ver la salida de la tabla.

   Observe las tres nuevas filas que se añaden al final de los datos originales. Estas filas corresponden al periodo de previsión, en este caso de enero a marzo de 2004.

   

   Verás varias columnas nuevas. El nodo Series Temporales ha añadido columnas ' $TS-. Las columnas indican lo siguiente para cada fila (es decir, cada intervalo de los datos de las series temporales):

   Tabla 1. Columnas generadas en el mmodelo de serie temporal

   Columna	Descripción
   $TS-nombrecol	Datos del modelo generado para cada columna de datos originales.
   $TSLCI-nombrecol	Valor del intervalo de confianza inferior para cada columna de datos del modelo generado.
   $TSUCI-nombrecol	Valor del intervalo de confianza superior para cada columna de datos del modelo generado.
   $TS-Total	Total de los valores de $TS-nombrecol de esta fila.
   $TSLCI-Total	Total de los valores de $TSLCI-nombrecol de esta fila.
   $TSUCI-Total	Total de los valores de $TSUCI-nombrecol de esta fila.

   Las columnas más significativas para la operación de previsión son las columnas " $TS-Market_n" , " $TSLCI-Market_n y " $TSUCI-Market_n. En concreto, estas columnas de las tres últimas filas contienen los datos de previsión de suscripción de usuario y los intervalos de confianza para cada uno de los mercados locales.

' Comprueba tu progreso

La siguiente imagen muestra la tabla de salida. Ya está listo para examinar el modelo.

volver a la parte superior

Ahora ya puede examinar la información del modelo y los resultados de la predicción.

Tarea 8a: Ver la información del modelo

Siga estos pasos para ver la información del modelo:

1. Pase el ratón por encima del modelo de serie temporal y haga clic en el menú Desbordamiento ' .
   
2. En la columna TARGET, haga clic en Market_2.
   1. Haga clic en Información del modelo. La fila Número de predictores muestra cuántos campos se han utilizado como predictores para cada objetivo.

      Las otras filas de las tablas Información del modelo muestran varias medidas de bondad de ajuste para cada modelo. R cuadrado estacionaria mide cómo un modelo es mejor que un modelo de línea base. Si el modelo final es ARIMA(p,d,q)(P,D,Q), el modelo de línea base es ARIMA(0,d,0)(0,D,0). Si el modelo final es un modelo de suavizado exponencial, d es 2 para el modelo Brown y Holt y 1 para otros modelos, y D es 1 si la longitud estacional es mayor que 1, de lo contrario D es 0. Un R-cuadrado estacionario negativo significa que el modelo considerado es peor que el modelo de referencia. Un cuadrado R estacionario cero significa que el modelo es tan bueno o malo como el modelo de referencia y un cuadrado R estacionario positivo significa que el modelo es mejor que el modelo de referencia.

      Las líneas Estadístico y df y la Significación en Estimaciones de los parámetros se refieren a la estadística Ljung-Box, una prueba de la aleatoriedad de los errores residuales en el modelo. Cuanto más aleatorios sean los errores, mejor será el modelo. El estadístico es el propio estadístico de Ljung-Box, mientras que df (grados de libertad) indica el número de parámetros del modelo que están disponibles para variar al estimar un objetivo concreto.

      La Significación proporciona el valor de significación de la estadística de Ljung-Box, proporcionando otra indicación de si el modelo se ha especificado correctamente. Un valor de significación inferior a 0,05 indica que los errores residuales no son aleatorios, lo que implica que existe una estructura en la serie observada que el modelo no explica.

      Teniendo en cuenta los valores de R-cuadrado estacionario y de significación, los modelos elegidos por el Modelador Experto para " Market_3 y " Market_4 " son aceptables. Los valores de significación para " Market_1, " Market_2 y " Market_5 " son todos inferiores a 0.05, lo que indica que podría ser necesario experimentar con modelos que se ajusten mejor a estos mercados.

      La pantalla muestra varias medidas de bondad de ajuste. El valor R-cuadrado proporciona una estimación de la variación total de la serie temporal que el modelo puede explicar. Como el valor máximo de esta estadística es 1.0, sus modelos son correctos a este respecto.

      El RMSE es el error cuadrático medio, una medida de la diferencia entre los valores reales de una serie y los valores predichos por el modelo, y se expresa en las mismas unidades que la serie. Como este error es una medida de un error, se desea que este valor sea lo más bajo posible. A primera vista, los modelos para " Market_2 y " Market_3" , aunque siguen siendo aceptables según las estadísticas que ha visto hasta ahora, tienen menos éxito que los modelos para los otros tres mercados.

      Estas medidas de bondad de ajuste adicionales incluyen los errores absolutos porcentuales promedio (MAPE y MAXAPE). El error absoluto porcentual mide lo que varía una serie objetivo respecto al nivel predicho por el modelo, expresado como un valor de porcentaje. Al examinar la media y el máximo en todos los modelos, puede obtener una indicación de la incertidumbre de las predicciones.

      El valor MAPE muestra que todos los modelos presentan una incertidumbre media en torno al 1%, que es baja. El valor MAXAPE muestra el error de porcentaje absoluto máximo y es útil para imaginar un escenario de peor caso para sus previsiones. El mayor porcentaje de error de la mayoría de los modelos se sitúa entre 1.8 y 3.7, una cifra muy baja, ya que sólo " Market_4 " se acerca al 7%.

      El valor MAE (error absoluto promedio) muestra la media de los valores absolutos de los errores de previsión. Al igual que el valor RMSE, este valor se expresa en las mismas unidades utilizadas para la propia serie. MAXAE muestra el mayor error de previsión en las mismas unidades e indica el peor escenario para las previsiones.

      Aunque estos valores absolutos son interesantes, son los valores de los errores de porcentaje (MAPE y MAXAPE) los que son más útiles en este caso, ya que la serie objetivo representa números de suscriptores para mercados de distintos tamaños.

      ¿Representan los valores MAPE y MAXAPE una cantidad aceptable de incertidumbre con los modelos? Son muy bajos. En esta situación entra en juego el sentido empresarial, porque el riesgo aceptable cambiará de un problema a otro. Se supone que los estadísticos de bondad de ajuste están dentro de límites aceptables, por lo que se pasa a examinar los errores residuales.

      El examen de los valores de la función de autocorrelación (ACF) y de la función de autocorrelación parcial (PACF) de los residuos del modelo proporciona una visión más cuantitativa de los modelos que la simple observación de estadísticas de bondad de ajuste.

      Un modelo de series temporales bien especificado capta toda la variación no aleatoria, incluida la estacionalidad, la tendencia y los factores cíclicos y de otro tipo que son importantes. En este caso, ningún error debería correlacionarse con sí mismo (autocorrelacionado) con el tiempo. Una estructura significativa en cualquiera de las funciones de autocorrelación podría implicar que el modelo subyacente es incompleto.

   2. Cierre la ventana Market_2.
3. Haga clic en el modelo Market_4.
   1. Haga clic en Correlograma para visualizar los valores de la función de autocorrelación(ACF) y la función de autocorrelación parcial(PACF) para los errores residuales del modelo.

      

      En estos gráficos, los valores originales de la variable de error lag (en BUILD OPTIONS - OUTPUT) hasta el valor por defecto de 24 periodos de tiempo y se comparan con el valor original para ver cualquier correlación en el tiempo. Lo ideal sería que las barras que representan todos los rezagos de ACF y PACF estuvieran dentro de la zona sombreada. Sin embargo, en la práctica, puede haber algunos desfases que se extiendan fuera de la zona sombreada. Esta situación puede producirse, por ejemplo, cuando se intenta incluir en el modelo algunos retardos mayores para ahorrar tiempo de cálculo. Algunos retardos son insignificantes y se eliminan del modelo. Si desea mejorar aún más el modelo y no le importa si estos retardos son redundantes o no, estos gráficos le sirven como sugerencias respecto a qué retardos son predictores potenciales.

      Si se da esta situación, hay que comprobar el gráfico inferior(PACF) para ver si la estructura se confirma allí. El gráfico PACF examina las correlaciones después de controlar los valores de las series en los puntos temporales intercalados.

      Los valores de " Market_4 " están todos dentro de la zona sombreada, por lo que puede continuar y comprobar los valores de los demás mercados.

   2. Cierre la ventana Market_4.
4. Abra el Correlograma para cada uno de los otros mercados y los totales.

   Los valores de los demás mercados muestran algunos valores fuera de la zona sombreada, lo que confirma lo que sospechaba antes a partir de sus valores de Significación. En algún momento tendrá que experimentar con modelos diferentes para esos mercados para ver si puede conseguir un mejor ajuste, pero para el resto de este ejemplo, se concentrará en qué más puede aprender del modelo " Market_4.

5. Cierre las ventanas del modelo para volver al lienzo de flujo.

Tarea 8b: Visualizar las predicciones

Siga estos pasos para visualizar las predicciones:

Gráfico real frente a previsiones

1. Haga doble clic en el nodo Time Plot que está conectado al nugget del modelo Time Series.
2. Desactive la opción Mostrar series en panel separado.
3. En la lista " Serie ", elimine todos los campos excepto los campos " Market_4 " y " $TS-Market_4 ".
4. Pulse Guardar.
5. Pase el ratón por encima del nodo Time PlotMarket_4 $TS-Market_4 $TSLCI-Market_4 $TSUCI-Market_4] y haga clic en el icono Ejecutar ' .
6. En el panel Salidas y modelos, haga clic en los resultados de salida con el nombre [Market_4 $TS-Market_4 $TSLCI-Market_4 $TSUCI-Market_4] para ver el gráfico. Observe cómo la línea de previsión ($TS-Market_4) se extiende más allá del final de los datos reales. Ahora tiene una previsión de la demanda esperada para los tres meses siguientes en este mercado. Las líneas de los datos reales y previstos para toda la serie temporal están muy próximas en el gráfico, lo que indica que este modelo es fiable para esta serie temporal concreta.

   

Trazar el intervalo de confianza

1. Haga doble clic en el nodo Time Plot [Market_4 $TS-Market_4 $TSLCI-Market_4 $TSUCI-Market_4 ]. Tiene un modelo fiable para este mercado concreto, pero ¿qué margen de error tiene la previsión? Puede obtener una indicación del margen de error examinando el intervalo de confianza.
2. En la sección " Serie ", elimine los campos " Market_4 " y " $TS-Market_4 ".
3. Haz clic en Añadir columnas.
   1. Seleccione los campos " $TSLCI-Market_4 " y " $TSUCI-Market_4 ".
   2. Pulse Aceptar.
4. Pulse Guardar.
5. Pase el ratón por encima del nodo Time Plot [Market_4 $TS-Market_4 $TSLCI-Market_4 $TSUCI-Market_4] y haga clic en el icono Ejecutar ' .
6. En el panel Salidas y modelos, haga clic en los resultados de salida con el nombre [Market_4 $TS-Market_4 $TSLCI-Market_4 $TSUCI-Market_4] para ver el gráfico. Ahora, tiene el mismo gráfico que antes, pero con los límites superior ($TSUCI) e inferior ($TSLCI) del intervalo de confianza añadidos. Observe cómo divergen los límites del intervalo de confianza a lo largo del período de previsión, lo que indica que aumenta la incertidumbre al hacer previsiones más alejadas en el tiempo. Sin embargo, a medida que transcurre cada periodo de tiempo, se dispone de otro (en este caso) mes de datos de uso real en los que basar la previsión. En un escenario real, podría leer los nuevos datos en el flujo y volver a aplicar su modelo ahora que sabe que es fiable.

   

7. Cierra la ventana del gráfico.

' Comprueba tu progreso

La siguiente imagen muestra el flujo completado.

volver a la parte superior