批预测查询
  执行预测联接时，应将模型映射到新数据源，之后 Analysis Services 将基于模型中的模式针对新数据中的每一行进行预测。如果表或其他外部数据源中有许多信息，并且您要使用经过定型的模型来进行预测，则预测联接很有用。

  可以通过以下方式基于现有模型创建批预测查询：

  使用数据挖掘设计器。

  使用模板。

  以编程方式或者在另一个 Analysis Services 客户端中创建 DMX 语句。

  如果通过使用数据挖掘设计器来创建批预测查询，则必须先将外部数据源定义为一个数据源视图。

  如果使用 DMX 来创建预测联接，则可以通过使用 OPENQUERY、OPENROWSET 或 SHAPE 命令来指定外部数据源。DMX 模板中的默认数据访问方法是 OPENQUERY。有关这些方法的信息，请参阅 <source data query>。

  无论您如何定义外部数据，指定的数据源都必须包含其数据与模型中的数据类似的列。但是，新的信息可以是不完整的。例如，您的客户列表可能包含年龄列，但不包含有关收入的信息。即使在为模型定型时使用了收入数据，仍可以将新数据映射到该模型并创建一个预测；但是，在某些情况下，缺少完整的信息可能会影响预测的质量。

  为获得非常好的结果，应当在新数据与模型之间联接尽可能多的匹配列。但是，即使没有匹配项，查询也会成功。如果不联接任何列，则查询将返回边缘预测，这与不含 PREDICTION JOIN 子句的语句 SELECT <predictable-column> FROM <model> 是等效的。

  处理预测查询的结果

  预测查询与关系数据库中的查询不同。您添加到查询中的每个预测函数都返回它自己的行集。因此，当您针对一个事例进行预测时，结果可能是一个预测的值，以及包含其他详细信息的几个嵌套表列。

  只要在一个查询中组合多个函数，返回结果都将组合为一个分层行集。但是，如果提供程序无法处理分层的行集，则可以通过在预测查询中使用 FLATTEN 关键字来对结果进行平展处理。

  时序挖掘模型中的预测

  在使用新数据和创建预测的方法这一方面，时序模型具有更高的灵活性。您既可以在需要创建预测时使用此模型，也可以向模型提供新数据，以基于最近的趋势更新预测。如果您添加新数据，则可以指定新数据的使用方式，以扩展或更换模型事例。

  扩展模型事例时，应向时序模型添加新的事实数据，从而使进一步的预测基于新的组合序列。更换模型事例时，应保留定型后的模型，但将基础事例更换为新的一组事例数据。

  无论您使用那种方法，预测的起点都总是原始序列的终点。

  例如，假定您有一个现有的时序模型，它的上一年销售数据已定型。收集了几个月的新销售数据后，您决定更新今年的销售预测。您可以添加新数据并扩展模型以进行新预测，从而创建更新模型的预测联接。

  或者，可以基于现有数据生成模型，然后创建将事例数据更换为新数据的预测联接。这在某些情况下是很有用的，例如，当一个存储缺少很多数据，并且您希望使用基于其他存储数据生成的模型来进行预测时。有关如何在时序模型上创建预测联接的详细信息，请参阅“查询时序模型”或 PredictTimeSeries (DMX)。