Amazon-Forecast-Algorithmen

Ein Amazon Forecast-Prädiktor verwendet einen Algorithmus, um ein Modell mit Ihren Zeitreihendatensätzen zu trainieren. Das trainierte Modell wird dann verwendet, um Metriken und Prognosen zu generieren.

Wenn Sie sich nicht sicher sind, welchen Algorithmus Sie zum Trainieren Ihres Modells verwenden sollen, wählen Sie AutoML, wenn Sie einen Prädiktor erstellen, und lassen Sie Forecast das optimale Modell für Ihre Datensätze trainieren. Andernfalls können Sie manuell einen der Amazon Forecast-Algorithmen auswählen.

Python-Notizbücher

Eine step-by-step Anleitung zur Verwendung von AutoML finden Sie unter Erste Schritte mit AutoML.

Integrierte Forecast-Algorithmen

Amazon Forecast bietet sechs integrierte Algorithmen, aus denen Sie wählen können. Diese reichen von häufig verwendeten statistischen Algorithmen wie Autoregressive Integrated Moving Average (ARIMA) bis hin zu komplexen neuronalen Netzwerkalgorithmen wie CNN-QR und DeePar+.

CNN-QR

arn:aws:forecast:::algorithm/CNN-QR

Amazon Forecast CNN-QR, Convolutional Neural Network — Quantile Regression, ist ein proprietärer Algorithmus für maschinelles Lernen zur Prognose von Zeitreihen unter Verwendung kausaler Konvolutional Neural Networks (CNNs). CNN-QR funktioniert am besten mit großen Datensätzen, die Hunderte von Zeitreihen enthalten. Er akzeptiert Elementmetadaten und ist der einzige Prognosealgorithmus, der zugehörige Zeitreihendaten ohne future Werte akzeptiert.

DeepAR +

arn:aws:forecast:::algorithm/Deep_AR_Plus

Amazon Forecast DeePar+ ist ein proprietärer Algorithmus für maschinelles Lernen zur Prognose von Zeitreihen unter Verwendung rekurrenter neuronaler Netzwerke (RNNs). DeePar+ funktioniert am besten mit großen Datensätzen, die Hunderte von Feature-Zeitreihen enthalten. Der Algorithmus akzeptiert zukunftsgerichtete Zeitreihen und Artikelmetadaten.

Prophet

arn:aws:forecast:::algorithm/Prophet

Prophet ist ein Algorithmus zur Vorhersage von Zeitreihen, der auf einem additiven Modell basiert, bei dem nichtlineare Trends an die jährliche, wöchentliche und tägliche Saisonalität angepasst werden. Es funktioniert am besten mit Zeitreihen mit starken saisonalen Effekten und historischen Daten aus mehreren Saisons.

NPTS

arn:aws:forecast:::algorithm/NPTS

Der proprietäre Algorithmus von Amazon Forecast Nonparametric Time Series (NPTS) ist ein skalierbarer, probabilistischer Baseline-Forecaster. NPTS ist besonders nützlich, wenn Sie mit spärlichen oder intermittierenden Zeitreihen arbeiten. Forecast bietet vier Algorithmusvarianten: Standard-NPTS, Seasonal NPTS, Climatological Forecaster und Seasonal Climatological Forecaster.

ARIMA

arn:aws:forecast:::algorithm/ARIMA

Der autoregressive Integrated Moving Average (ARIMA) ist ein häufig verwendeter statistischer Algorithmus für Zeitreihenprognosen. Der Algorithmus ist besonders nützlich für einfache Datensätze mit weniger als 100 Zeitreihen.

ETS

arn:aws:forecast:::algorithm/ETS

Exponentielle Glättung (ETS) ist ein häufig verwendeter statistischer Algorithmus für Zeitreihenprognosen. Der Algorithmus ist besonders nützlich für einfache Datensätze mit weniger als 100 Zeitreihen und Datensätze mit Saisonalitätsmustern. ETS berechnet als Vorhersage einen gewichteten Durchschnitt über alle Beobachtungen im Zeitreihendatensatz, wobei die Gewichte im Laufe der Zeit exponentiell abnehmen.

Vergleich von Forecast-Algorithmen

Verwenden Sie die folgende Tabelle, um die beste Option für Ihre Zeitreihendatensätze zu finden.

	Neuronale Netzwerke		Flexible lokale Algorithmen	IOP-Basisleistung
	CNN-QR	DeepAR+	Prophet	NPTS	ARIMA	ETS
Rechenintensiver Trainingsprozess	Hoch	Hoch	Medium	Niedrig	Niedrig	Niedrig
Akzeptiert historische Zeitreihen*
Akzeptiert zukunftsgerichtete Zeitreihen*
Akzeptiert Artikelmetadaten (Produktfarbe, Marke usw.)
Akzeptiert die integrierte Featurisierung des Wetterindex
Geeignet für spärliche Datensätze
Führt Hyperparameter-Optimierung (HPO) durch
Erlaubt das Überschreiben von Standard-Hyperparameterwerten

*Weitere Informationen zu verwandten Zeitreihen finden Sie unter Verwandte Zeitreihen.