NG_VALUE_SUBSTITUTION的边缘。以下是可用来填充不规则空白或边缘的方法：使用以前的值、使用平均值或使用特定数值常量。指定一个介于0和1之间的数字值，用于检测周期。如果将此值设置为更接近于1的数，则允许查找许多接近周期的模式并允许自动生成周期提示。处理大量的周期提示可能会导致模型定型AUTO_DETECT_PERIODICITY时间明显加长，模型更准确。如果将此值设置为更接近于0的数，则只检测周期性强的数据的周期。默认值为06。指定将要生成的历史模型的数量。
HISTORIC_MODEL_COUNT
默认值为1。指定两个连续的历史模型之间的时间间隔。例如，如果将此值设置为g，则以g、2g、3g（依此类推）的时间间隔为被时间段截断的数据生成历史
HISTORICAL_MODEL_GAP
f模型。默认值为10。注意：注意：周期提示对模型质量很敏感。如果给出的提示与实际周期不同，结果会受不良影响。
7神经网络算法神经网络是一组连接的输入输出单元，其中每一个连接都与一个权相连接。在训练学习阶段，通过调整训练网络的权，使得能够预测输入样本的正确类标号。神经网络算法创建由多至三层神经元组成的网络。这些层分别是输入层、可选隐藏层和输出层。输入层：输入神经元定义数据挖掘模型的所有输入属性值及其概率。隐藏神经元接收来自输入神经元的输入，并向输出神经元提供输出。隐藏层是向各种输入概率分配权重的位置。权重说明某一特定输入对于隐藏神经元的相关性或重要性。输入所分配的权重越大，则输入的值越重要。输出神经元代表数据挖掘模型的可预测属性值。在SQLServer2008中，我们可以通过挖掘模型查看器来查看神经网络模型。如图7所示
在图7中，输入选择神经网络模型将用作输入的属性和属性值。输出指定使用输出的神经网络的属性。变量指定属性右侧的条表示指定输入属性状态所倾向的输出属性状态。条的大小则表示输出状态倾向于输入状态的程度。
f8逻辑回归算法逻辑回归是根据输入域值对记录进行分类的统计方法，通过建立一组方程，把输入域值与输出字段每一类的概率联系起来。模型在分析二分类或有序因变量与解释变量的关系，用自变量去预测因变量在给定某个值的概率。一旦生成模型，便可用于估计新的数据的概率。概率最大的目标类被指定为该记录的预测输出值。逻辑回归算法是神经网络算法的一种变体，用于确定多个因素对一对结果的影响。通过对输入和输出之间的关系进行建模。来测量每个输入对输出的影响，并权衡不同输入在完成的模型中的作用。9线r