本篇文章同样是继续微软系列挖掘算法总结，前几篇主要是基于状态离散值或连续值进行推测和预测，所用的算法主要是三种：Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法,当然后续还补充了一篇结果预测篇，所涉及的应用场景在前几篇文章中也有介绍，有兴趣的同学可以点击查看，本篇我们将总结的算法为Microsoft时序算法，此算法也是数据挖掘算法中比较重要的一款，因为所有的推算和预测都将利用于未来，而这所有的一切都将有一条时间线贯穿始终，而这将是时序算法的侧重点。
应用场景介绍
通过前几篇文章的介绍，我们已经能预测出影响某种行为的因素有哪些，并且根据这些因素综合挖掘出我们的最优客户群体（将会购买自行车），这也是上面介绍的几种算法的长项，但是会不会觉得从大数据中获取的信息太少了点，与很多问题仅仅通过上面几种算法是推算不出来的，但这些信息恰巧是上层领导关注的，比如说：
1、作为数据分析人员，你能不能根据以往的销售情况预测出明年的销售业绩？这样的问题怎么解决？有哥们会这么解决了，哈...我取去年一年的销售值做平均值，那如果不足一年呢？那要是预测明年一月份的呢？....
2、能不能根据以往的销售情况预测出销售的旺季，像房地产行业的“金九银十”说的就是这个，这些都是资深销售人员的经验总结，但是你能保证公司里面有这种人？即便有你能保证他说的正确？即便正确能保证他说的适合别的产品？即便适合能保证适合不同的地区？....我那个去...这些的这些稍后我们让数据来告诉你！
3、不同地区的销售规律是否一致？也就是说是否为同一种销售策略....哪一种销售策略更适合那一类产品的方式..各种产品之间的销售量是否会有影响、存不存在连带销售？是不适合我们做捆绑销售。
以上的这些问题我们通过Microsoft时序算法都可以解决，而这些问题也就是该算法的应用场景，闲言少叙，我们进入本篇的正题。
技术准备
（1）同样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没啥可介绍的，安装数据库的时候全选就可以了，这里前段时间有人问我为什么他的vs工具没有新建数据挖掘工程的模板，这里提一下，其实vs作为微软的主打开发软件，所以它的更新速度是远远快于数据库更新版本，所以要选择开发数据挖掘解决方案的时候需要在开始菜单中找到SQL Server目录下的vs连接即可。
操作步骤
（1）新建解决方案，然后数据源，然后数据源视图，很简单的步骤，不明白的可以看我们前面几篇文章，我们直接看图
我们给解决方案取了个名字，然后从数据源中找到了我们需要挖掘的表，将我们需要的表创建好，取了个名字为：SalesByArea，可以看到这张表就是记录往年各个月份的销售记录和销售业绩，下面我们对这个表里面的数据进行粗略分析。
（2）预览数据，分析源数据结构内容
这里我们需要对要分析的数据进行分析，先看看里面有那些内容，是不是满足时序算法的数据要求条件。同样我们右键“浏览数据”，我们选择随机抽样，抽样数据为5000行。具体方法这里不赘述，具体方法可参考前篇文章，我们直接看图
这里面有几列数据，其实内容挺简单的，我们来看，有自行车品牌和地区、时间线、销售数量、销售额度、年、月、报告日期。从报告日期来看基本上是每个月的25号形成报告，然后每个月生成一份，在利用Microsoft时序算法中对数据是有要求的：
1、要求分析数据序列必须含有时间序列，并且序列值为连续...这个可以理解...如果没有连续值就谈不上推测，因为数据本身他就没有规律可循....
2、要求分析数据序列存在唯一标示值，其实也就说传统意义上面的主键，这个在每个算法中都要用