There are four nodes in the SAS Ent

There are four nodes in the SAS Enterprise Miner
time-series data mining work process:
 File Import – The File Import node allows user to upload
and convert external flat files, spreadsheets, and
database table into format that SAS Enterprise Miner
can recognize as a data source and use it in the
subsequent data mining processes.
 TS Data Preparation – The TS Data Preparation (TSDP)
node converts the input data into time-series data for
analysis. A few settings were set for this research
analysis. Firstly, the timeseries column, which contains
the time interval in the input OD Time Interval format,
was set to the role of Time ID in this analysis. The Time
ID would form up the x-axis in the generated time-series
data plots. The passenger column, which contains the
frequency of number of passengers, was set to the role of
Target. The Target would form up the y-axis in the
generated time-series data plots. As we are interested to
examine the passenger volume of each MRT train
station, we will set the Origin column, which contain the
origin train station ID, as the cross-sectional variable,
Cross ID.
 Metadata – The Metadata node allow users to modify
certain data attributes so that the data is suitably
formatted for the next process node.
 TS Similarity – The TS Similarity (TSS) node performs
the clustering and similarity analysis by comparing the
time-series and group time-series that exhibit similar
characteristics over time. As the time series might have
different lengths, DTW technique will be applied to
compare two time-series; the input and target sequences.
The TSS node also calculates the similarity measures
between the compared input and target sequences. The
Result function of the TSS node visualizes the results of
the similarity and clustering analysis.

ผลลัพธ์ (ไทย) 1:

มีโหนสี่ในคนขุดแร่องค์กร SASกระบวนการทำงานการทำเหมืองข้อมูลอนุกรมเวลา:คล้ายนำเข้าไฟล์ – โหนนำเข้าแฟ้มอนุญาตให้ผู้ใช้อัปโหลดแปลงแฟ้มแบนภายนอก กระดาษคำนวณ และตารางฐานข้อมูลในรูปแบบที่ SAS องค์กรคนขุดแร่สามารถรับรู้เป็นแหล่งข้อมูล และใช้ในการกระบวนการทำเหมืองข้อมูลที่ตามมาจัดเตรียมข้อมูลคล้าย TS-จัดเตรียมข้อมูล TS (TSDP)โหนแปลงข้อมูลเข้าเป็นข้อมูลอนุกรมเวลาสำหรับวิเคราะห์ สร้างการตั้งค่าบางอย่างสำหรับงานวิจัยนี้วิเคราะห์ ประการแรก คอลัมน์ timeseries ซึ่งประกอบด้วยช่วงเวลาในรูปแบบช่วงเวลา OD อินพุตถูกกำหนดบทบาทของรหัสเวลาในการวิเคราะห์นี้ เวลาID จะฟอร์มค่าแกน x ในชุดเวลาที่สร้างข้อมูลลงจุด คอลัมน์ผู้โดยสาร ซึ่งประกอบด้วยการมีการตั้งค่าความถี่ของจำนวนผู้โดยสาร บทบาทของเป้าหมาย เป้าหมายจะฟอร์มค่าแกน y ในการข้อมูลอนุกรมเวลาผืนขึ้น เรากำลังสนใจตรวจสอบปริมาณผู้โดยสารของรถไฟใต้ดินแต่ละสถานี เราจะกำหนดจุดเริ่มต้นของคอลัมน์ ซึ่งประกอบด้วยการจุดเริ่มต้นของรถไฟสถานีรหัส ตัวแปรเหลวข้ามรหัสคล้ายตา – โหนข้อมูลเมตาอนุญาตให้ผู้ใช้ปรับเปลี่ยนบางคุณลักษณะของข้อมูลเพื่อให้ข้อมูลครับรูปแบบสำหรับโหนดที่กระบวนการถัดไปคล้ายคล้าย TS – โหน TS คล้าย (TSS) ทำคลัสเตอร์และความคล้ายคลึงกันวิเคราะห์ โดยการเปรียบเทียบการลำดับเวลาและกลุ่มเวลาชุดที่แสดงคล้ายคลึงกันลักษณะช่วงเวลา เวลา อาจมีชุดความยาวต่าง ๆ เทคนิค DTW จะใช้กับเปรียบเทียบสองเวลาชุด ลำดับการป้อนข้อมูลและเป้าหมายโหน TSS คำนวณวัดความคล้ายคลึงกันระหว่างป้อนข้อมูลเปรียบเทียบและลำดับเป้าหมาย ที่ผลการทำงานของโหน TSS visualizes ผลลัพธ์ของคล้ายคลึงและคลัสเตอร์การวิเคราะห์

ผลลัพธ์ (ไทย) 3:

มีสี่โหนดใน SAS Enterprise Miner
เวลาการทำเหมืองข้อมูลวิธีการทำงาน :
นำเข้าไฟล์และนำเข้าแฟ้มโหนดช่วยให้ผู้ใช้อัปโหลด
และแปลงไฟล์แบน , ภายนอกข้อมูลและตารางฐานข้อมูลในรูปแบบ SAS

จำขุดแร่ที่องค์กรที่เป็นแหล่งข้อมูลและใช้มันใน
กระบวนการการทำเหมืองข้อมูลต่อมา
 TS การเตรียมข้อมูลและเตรียมข้อมูล TS ( tsdp )
ข้อมูลที่ป้อนเข้าไปในโหนดแปลงข้อมูลอนุกรมเวลาสำหรับ
การวิเคราะห์ ไม่กี่การตั้งค่าตั้งค่าสำหรับการวิจัย
การวิเคราะห์ ประการแรก สมการคอลัมน์ซึ่งประกอบด้วย
ช่วงเวลาในการป้อนข้อมูลจากรูปแบบเวลาช่วง
ถูกกำหนดบทบาทของรหัสเวลาในการวิเคราะห์นี้ เวลา
ID จะจัดแถวแกนในที่สร้างขึ้นเวลา
แปลงข้อมูล ผู้โดยสารซึ่งประกอบด้วย
คอลัมน์ความถี่ของจำนวนผู้โดยสาร ได้กำหนดบทบาทของ
เป้าหมาย เป้าหมายจะสร้างขึ้นในแกน y
สร้างอนุกรมเวลาแปลงข้อมูล เราสนใจ

ตรวจสอบผู้โดยสาร MRT รถไฟ
เสียงของแต่ละสถานี เราจะกำหนดที่มา คอลัมน์ ซึ่งประกอบด้วย
ที่มาสถานีรถไฟ ID เป็น ID

ข้ามตัวแปรแบบตัดขวาง  metadata metadata สำหรับโหนดอนุญาตให้ผู้ใช้ปรับเปลี่ยน
ข้อมูลคุณสมบัติบางอย่างเพื่อให้ข้อมูลที่สามารถจัดรูปแบบสำหรับกระบวนการต่อไป

โหนด และ TS TS ความคล้ายคลึงความเหมือน ( TSS ) โหนดแสดงการจัดกลุ่มและวิเคราะห์ความเหมือนด้วย

เวลาและกลุ่มเปรียบเทียบอนุกรมเวลาที่มีลักษณะคล้ายกัน
ตลอดเวลา เป็นอนุกรมเวลา อาจมี
ความยาวที่แตกต่างกัน เทคนิค DTW จะใช้เปรียบเทียบสองอนุกรมเวลา

;การป้อนข้อมูลและลำดับเป้าหมาย
TSS โหนดยังคำนวณมาตรการความคล้ายคลึงระหว่างการป้อนข้อมูลและลำดับ
เมื่อเทียบกับเป้าหมาย
ผลการทำงานของ TSS โหนดทั้งผล
ความเหมือนและการวิเคราะห์ข้อมูล .