Predictor-Erklärbarkeit

Anmerkung

Die Erklärung der Prädiktoren ist nur für Prädiktoren verfügbar, die mit AutoRedictor erstellt wurden. Sie können vorhandene Legacy-Prädiktoren auf AutoRedictor aktualisieren. Siehe .Aktualisieren auf AutoPredictoraus.

Die Erklärung von Prädiktoren hilft Ihnen besser zu verstehen, wie sich die Attribute in Ihren Datensätzen auf Ihre Zielvariable auswirken. Forecast verwendet eine Metrik namens Impact-Scores, um die relativen Auswirkungen jedes Attributs zu quantifizieren und zu bestimmen, ob sie die Prognosewerte erhöhen oder verringern.

Betrachten Sie beispielsweise ein Prognoseszenario, in dem das Ziel liegtsalesund es gibt zwei verwandte Attribute:priceundcoloraus. Die Forecast kann feststellen, dass sich der Preis eines Artikels erheblich auf den Umsatz auswirkt (High Impact Score), während die Farbe des Artikels einen vernachlässigbaren Effekt hat (niedriger Wirkungswert).

Um die Prädiktorerklärbarkeit zu aktivieren, muss Ihr Prädiktor mindestens eine der folgenden Optionen enthalten: verwandte Zeitreihen, Elementmetadaten oder zusätzliche Datensätze wie Feiertage und Wetterindex.

Um Auswirkungswerte für bestimmte Zeitreihen und Zeitpunkte zu erstellen, verwenden Sie Prognoseerklärbarkeit anstelle von Prädiktorerklärbarkeit. Siehe .Prognosestellungaus.

Interpretieren von Wirkungsgraden

Auswirkungswerte messen die relativen Auswirkungsattribute auf Prognosewerte. Wenn das Attribut „Preis“ beispielsweise einen Auswirkungswert aufweist, der doppelt so groß ist wie das Attribut „Ladenstandort“, können Sie daraus schließen, dass der Preis eines Artikels doppelt so groß ist wie die Prognosewerte als auf den Ladenstandort.

Auswirkungswerte liefern auch Informationen darüber, ob Attribute die Prognosewerte erhöhen oder verringern. In der Konsole wird dies mit den beiden Graphen bezeichnet. Attribute mit blauen Balken erhöhen die Prognosewerte, während Attribute mit roten Balken die Prognosewerte verringern.

In der Konsole liegen die Impact-Ergebnisse von 0 bis 1, wobei eine Punktzahl von 0 keine Auswirkungen bedeutet und eine Punktzahl nahe 1 eine signifikante Auswirkung bedeutet. In den SDKs liegen die Impact-Werte zwischen -1 und 1, wobei das Vorzeichen die Richtung des Aufpralls angibt.

Es ist wichtig zu beachten, dass Impact-Scores die relativen Auswirkungen von Attributen messen, nicht die absolute Auswirkung. Daher können Auswirkungswerte nicht verwendet werden, um festzustellen, ob bestimmte Attribute die Modellgenauigkeit verbessern. Wenn ein Attribut einen niedrigen Impact-Wert aufweist, bedeutet dies nicht notwendigerweise, dass es einen geringen Einfluss auf Prognosewerte hat. Dies bedeutet, dass es einen geringeren Einfluss auf Prognosewerte hat als andere vom Prädiktor verwendete Attribute.

Erstellen von Predictor-Erklärbarkeit

Anmerkung

Sie können maximal eine Prädiktorerklärbarkeit pro Prädiktor erstellen

Wenn Sie die Erklärung von Prädiktoren aktivieren, berechnet Amazon Forecast Auswirkungswerte für alle Attribute in Ihren Datensätzen. Die Auswirkungswerte können so interpretiert werden, wie die Auswirkungsattribute auf die Gesamtprognosewerte haben. Sie können die Prädiktorerklärbarkeit aktivieren, wenn Sie einen Prädiktor erstellen, oder Sie können das Feature nach dem Erstellen des Prädiktors aktivieren.

Prädiktorerklärbarkeit für einen neuen Prädiktor aktivieren

Wenn Sie die Predictor-Erklärbarkeit beim Erstellen eines neuen Prädiktors aktivieren, werden sowohl eine Predictor-Ressource als auch eine Erklärbarkeitsressource erstellt. Sie können die Prädiktorerklärbarkeit für einen neuen Prädiktor mithilfe des Software Development Kit (SDK) oder der Amazon Forecast Prognosekonsole aktivieren.

Console

So aktivieren Sie die Erklärbarkeit von Prädiktoren

1. Melden Sie sich beim anAWS Management Consoleund öffnen Sie die Amazon Forecast-Konsole unterhttps://console.aws.amazon.com/forecast/aus.

2. AusDataset-GruppenWählen Sie Ihre Dataset-Gruppe aus.

3. Wählen Sie im Navigationsbereich und dann aus.Predictorsaus.

4. Klicken Sie aufTrainieren Sie neuen Predictoraus.

5. In derPredictor-KonfigurationWählen Sie im Abschnitt die OptionAktivieren der Erklärbarkeitaus.

6. Geben Sie Werte für die folgenden Pflichtfelder ein:

   • Name- ein eindeutiger Prädiktorname.

   • Prognosefrequenz- die Granularität Ihrer Prognosen.

   • Prognosezeitraum- Die Anzahl der zu prognostizierenden Zeitschritte.

7. Wählen Sie Starten

Python

Um die Erklärbarkeit für einen neuen Predictor mit dem SDK for Python (Boto3) zu aktivieren, verwenden Sie die Optioncreate_auto_predictorMethode und Set ExplainPredictor true.

Der folgende Code erstellt einen auto Prädiktor, der Vorhersagen für 24 (ForecastHorizon) Tage (ForecastFrequency) in future und hatExplainPredictorSetzen Sie auf true. Informationen zu den erforderlichen und optionalen -Parametern finden Sie unterCreateAutoPredictoraus.

import boto3
                            
forecast = boto3.client('forecast')

create_predictor_response = forecast.create_auto_predictor(
    PredictorName = 'predictor_name',
    ForecastHorizon = 24,
    ForecastFrequency = 'D',
    DataConfig = {
        "DatasetGroupArn": "arn:aws:forecast:region:account:dataset-group/datasetGroupName"
    },
    ExplainPredictor = True
)

Aktivieren der Prädiktorerklärbarkeit für einen vorhandenen Prädiktor

Wenn Sie die Prädiktorerklärbarkeit für einen vorhandenen Prädiktor aktivieren, wird eine Erklärbarkeitsressource für diese Ressource erstellt. Sie können nur eine Erklärbarkeitsressource für Prädiktoren erstellen, die noch keine Erklärbarkeitsressource enthalten. Um Auswirkungswerte für ein aktualisiertes Dataset anzuzeigen, trainieren oder erstellen Sie den Prädiktor mit den aktualisierten Daten neu.

Sie können die Prädiktorerklärbarkeit für einen neuen Prädiktor mithilfe des Software Development Kit (SDK) oder der Amazon Forecast Prognosekonsole aktivieren.

Console

So aktivieren Sie die Erklärbarkeit von Prädiktoren

1. Melden Sie sich beim anAWS Management Consoleund öffnen Sie die Amazon Forecast-Konsole unterhttps://console.aws.amazon.com/forecast/aus.

2. AusDataset-GruppenWählen Sie Ihre Dataset-Gruppe aus.

3. Wählen Sie im Navigationsbereich und dann aus.Predictorsaus.

4. Wählen Sie Ihren Predictor aus.

5. In derPredictor-ErklärbarkeitWählen Sie im Abschnitt die OptionAktivieren der Erklärbarkeitaus.

6. Geben Sie einen eindeutigen Namen für die Predictor-Erklärbarkeit ein.

7. Wählen Sie Starten

Python

Um Predictor-Erklärbarkeit für einen vorhandenen Predictor mit dem SDK for Python (Boto3) zu aktivieren, verwenden Sie die Optioncreate_explainability-Methode. Geben Sie einen Namen für die Erklärbarkeit, den ARN für den Prädiktor und fürExplainabilityConfig, setze beidesTimePointGranularityundTimeSeriesGranularityzuALLESaus. Um eine Erklärbarkeitsvisualisierung zu erstellen, die innerhalb der Konsole sichtbar ist, legen Sie festEnableVisualizationzuWahraus.

Informationen zu den erforderlichen und optionalen -Parametern finden Sie unterCreateExplainabilityaus.

import boto3
                            
forecast = boto3.client('forecast')

create_explainability_response = forecast.create_explainability(
    ExplainabilityName = 'explainability_name',
    ResourceArn = 'arn:aws:forecast:region:accountNumber:predictor/predictorName',
    ExplainabilityConfig = { 
      "TimePointGranularity": "ALL",
      "TimeSeriesGranularity": "ALL"
    },
    EnableVisualization = True
)

Exportieren von Predictor-Erklärbarkeit

Anmerkung

Exportdateien können Informationen aus dem Dataset-Import direkt zurückgeben. Dies macht die Dateien anfällig für CSV-Injektion, wenn die importierten Daten Formeln oder Befehle enthalten. Aus diesem Grund können exportierte Dateien Sicherheitswarnungen auslösen. Um bösartige Aktivitäten zu vermeiden, deaktivieren Sie Links und Makros beim Lesen exportierter Dateien.

Mit Forecast können Sie eine CSV- oder Parkett-Datei mit Auswirkungswerten an einen S3-Speicherort exportieren. Die Impact-Werte reichen von -1 bis 1, wobei das Vorzeichen die Richtung des Aufpralls angibt. Sie können Auswirkungswerte mit dem Amazon Forecast Software Development Kit (SDK) und der Amazon Forecast Console exportieren.

Console

So exportieren Sie die Erklärbarkeit von Prädiktoren

1. Melden Sie sich beim anAWS Management Consoleund öffnen Sie die Amazon Forecast-Konsole unterhttps://console.aws.amazon.com/forecast/aus.

2. AusDataset-GruppenWählen Sie Ihre Dataset-Gruppe aus.

3. Wählen Sie im Navigationsbereich und dann aus.Predictorsaus.

4. Wählen Sie Ihren Predictor aus.

5. In derPredictor-ErklärbarkeitWählen Sie im Abschnitt die OptionExportaus.

6. Für denNamen exportierenGeben Sie einen eindeutigen Namen für den Export ein.

7. Für denExportstandort für S3 Erklärbarkeitgeben Sie einen S3-Speicherort an, um die CSV-Datei zu exportieren.

8. Für denIAM Role (IAM-Rolle)eine Rolle mit Zugriff auf den angegebenen S3-Speicherort bereitstellen.

9. Klicken Sie aufErstellen Sie den Export.

Python

Verwenden Sie zum Exportieren einer Predictor-Erklärbarkeit mit dem SDK for Python (Boto3) diecreate_explainability_export-Methode. Geben Sie dem Job einen Namen, geben Sie den ARN der Erklärbarkeit an und geben Sie imDestination-Objekt, geben Sie Ihren Amazon S3 S3-Zielort und die IAM-Servicerolle an.

Informationen zu den erforderlichen und optionalen -Parametern finden Sie unterCreateExplainabilityExportaus.

import boto3
                        
forecast = boto3.client('forecast')

export_response = forecast.create_explainability_export(
    Destination = {
        "S3Config": {
            "Path": "s3://bucketName/filename.csv",
            "RoleArn": "arn:aws:iam::accountNumber:role/roleName"
        }
    },
    ExplainabilityArn = 'arn:aws:forecast:region:accountNumber:explainability/explainabilityName',
    ExplainabilityExportName = 'job_name'
)

Einschränkungen und bewährte Methoden

Berücksichtigen Sie bei der Arbeit mit Predictor-Erklärbarkeit die folgenden Einschränkungen und bewährten Methoden.

• Die Erklärung der Prädiktoren steht nur für Prädiktoren zur Verfügung, die mit AutoRedictor erstellt wurden- Sie können die Erklärbarkeit für ältere Prädiktoren, die mit AutoML oder durch manuelle Auswahl erstellt wurden, nicht aktivieren. Siehe .Aktualisieren auf AutoPredictoraus.

• Für die Erklärbarkeit sind Attribute erforderlich- Ihr Prädiktor muss mindestens einen der folgenden Elemente enthalten: verwandte Zeitreihen, Artikelmetadaten, Feiertage oder den Wetterindex.

• Prädiktoren sind auf eine Erklärbarkeitsressource beschränkt- Sie können nicht mehrere Erklärbarkeitsressourcen für einen Prädiktor erstellen. Wenn Sie an Auswirkungswerten für einen aktualisierten Datensatz interessiert sind, trainieren Sie Ihren Prädiktor neu.

• Auswirkungswerte von Null bezeichnen keine Auswirkungen- Wenn ein Attribut einen Auswirkungswert von 0 hat, hat dieses Attribut keine signifikanten Auswirkungen auf Prognosewerte.

• Wiederholen fehlgeschlagener Prädiktor-Erklärbarkeitsaufträge- Wenn Forecast erfolgreich einen Prädiktor erstellt, aber der Predictor-Erklärbarkeitsauftrag fehlschlägt, können Sie erneut versuchen, Prädiktorerklärbarkeit in der Konsole oder mit dem CreateExplainability verwenden.

• Sie können keine Impact-Ergebnisse für bestimmte Zeitpunkte und Zeitreihen erstellen- Informationen zum Anzeigen von Auswirkungswerten für bestimmte Zeitpunkte und Zeitreihen finden Sie unterPrognosestellungaus.

• Prädiktor-Erklärbarkeitsvisualisierungen sind 90 Tage nach der Erstellung verfügbar- Um die Visualisierung nach 90 Tagen anzuzeigen, trainieren Sie den Prädiktor neu.