Amazon Forecast ist für Neukunden nicht mehr verfügbar. Bestehende Kunden von Amazon Forecast können den Service weiterhin wie gewohnt nutzen. Erfahren Sie mehr“
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Erklärbarkeit des Prädiktors
Predictor Explainability hilft Ihnen dabei, 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 der einzelnen Attribute zu quantifizieren und zu bestimmen, ob sie die Prognosewerte erhöhen oder verringern.
Betrachten Sie z. B. ein Prognoseszenario, in dem das Ziel sales
ist und es zwei verwandte Attribute gibt: price
und color
. Forecast können ergeben, dass der Preis eines Artikels den Umsatz erheblich beeinflusst (hoher Impact Score), während die Farbe des Artikels einen vernachlässigbaren Effekt hat (niedriger Impact Score).
Um die Erklärbarkeit von Prädiktoren zu aktivieren, muss Ihr Prädiktor mindestens eines der folgenden Elemente enthalten: verwandte Zeitreihen, Artikelmetadaten oder zusätzliche Datensätze wie Feiertage und den Wetterindex. Weitere Informationen finden Sie unter Einschränkungen und bewährte Verfahren.
Verwenden Sie Forecast Explainability anstelle von Predictor Explainability, um Impact-Werte für bestimmte Zeitreihen und Zeitpunkte zu erstellen. Siehe Erklärbarkeit von Forecast.
Themen
Interpretation von Impact Scores
Auswirkungswerte messen die relativen Auswirkungen, die Attribute auf die Prognosewerte haben. Wenn das Attribut „Preis“ beispielsweise einen doppelt so hohen Impact Score hat wie das Attribut „Ladenstandort“, können Sie schlussfolgern, dass der Preis eines Artikels doppelt so viele Auswirkungen auf die Prognosewerte hat wie der Ladenstandort.
Die Auswirkungswerte geben auch Aufschluss darüber, ob die Attribute die Prognosewerte erhöhen oder verringern. In der Konsole wird dies durch die beiden Grafiken verdeutlicht. Attribute mit blauen Balken erhöhen die Prognosewerte, während Attribute mit roten Balken die Prognosewerte verringern.
![Bar graphs showing Price and Promo increasing impact scores, StoreLocation decreasing impact score.](images/quicksight-unfiltered.png)
In der Konsole liegen die Wirkungswerte im Bereich von 0 bis 1, wobei ein Wert von 0 für keine Auswirkung und ein Wert nahe 1 für eine signifikante Auswirkung steht. In den SDKs liegen die Impact-Werte im Bereich von -1 bis 1, wobei das Vorzeichen die Richtung des Aufpralls angibt.
Es ist wichtig zu beachten, dass Auswirkungswerte die relativen Auswirkungen von Attributen messen, und nicht die absoluten. Daher kann man anhand der Auswirkungswerte nicht bestimmen, ob bestimmte Attribute die Modellgenauigkeit verbessern. Wenn ein Attribut einen niedrigen Auswirkungswert hat, bedeutet das nicht unbedingt, dass es nur geringe Auswirkungen auf die Prognosewerte hat. Es bedeutet vielmehr, dass es geringere Auswirkungen auf die Prognosewerte hat als andere vom Prognoseparameter verwendete Attribute.
Erklärbarkeit von Predictor erstellen
Anmerkung
Sie können maximal eine Erklärbarkeit des Prädiktors pro Prädiktor erstellen
Wenn Sie Predictor Explainability aktivieren, berechnet Amazon Forecast die Impact-Werte für alle Attribute in Ihren Datensätzen. Die Impact-Werte können so interpretiert werden, dass sie die Auswirkungen der Attribute auf die Gesamtprognosewerte haben. Sie können die Erklärbarkeit von Prädiktoren aktivieren, wenn Sie einen Prädiktor erstellen, oder Sie können die Funktion aktivieren, nachdem Sie den Prädiktor erstellt haben.
Die Erklärbarkeit von Prädiktoren für einen neuen Prädiktor aktivieren
Wenn Sie beim Erstellen eines neuen Prädiktors die Erklärbarkeit von Prädiktoren aktivieren, werden sowohl eine Prädiktorressource als auch eine Erklärbarkeitsressource erstellt. Sie können Predictor Explainability für einen neuen Prädiktor mithilfe des Software Development Kit (SDK) oder der Amazon Forecast-Konsole aktivieren.
Die Erklärbarkeit von Prädiktoren für einen vorhandenen Prädiktor aktivieren
Wenn Sie die Erklärbarkeit von Prädiktoren für einen vorhandenen Prädiktor aktivieren, wird eine Erklärbarkeitsressource für diese Ressource erstellt. Sie können eine Erklärbarkeitsressource nur für Prädiktoren erstellen, die noch keine Erklärbarkeitsressource enthalten. Um die Wirkungswerte für einen aktualisierten Datensatz anzuzeigen, müssen Sie den Prädiktor anhand der aktualisierten Daten neu trainieren oder neu erstellen.
Sie können Predictor Explainability für einen neuen Prädiktor mithilfe des Software Development Kit (SDK) oder der Amazon Forecast-Konsole aktivieren.
Exportierbarkeit von Predictor
Anmerkung
Exportdateien können direkt Informationen aus dem Datensatz-Import zurückgeben. Dies macht die Dateien anfällig für CSV-Injections, wenn die importierten Daten Formeln oder Befehle enthalten. Aus diesem Grund können exportierte Dateien Sicherheitswarnungen auslösen. Um böswillige Aktivitäten zu vermeiden, deaktivieren Sie Links und Makros beim Lesen exportierter Dateien.
Mit Forecast können Sie eine CSV- oder Parquet-Datei mit Impact-Ergebnissen an einen S3-Speicherort exportieren. Die Auswirkungswerte reichen von -1 bis 1, wobei das Vorzeichen die Richtung der Auswirkung angibt. Sie können Impact-Ergebnisse mit dem Amazon Forecast Software Development Kit (SDK) und der Amazon Forecast-Konsole exportieren.
![Table showing normalized impact scores for price, promotion, weather index, and US holidays.](images/explainability-global.png)
Einschränkungen und bewährte Verfahren
Beachten Sie bei der Arbeit mit Predictor Explainability die folgenden Einschränkungen und bewährten Methoden.
-
Die Erklärbarkeit von Prädiktoren ist nur für einige Prädiktoren verfügbar, die mit AutoPredictor — Sie können die Erklärbarkeit nicht für ältere Prädiktoren aktivieren, die mit AutoML oder durch manuelle Auswahl erstellt wurden. AutoPredictorSiehe Upgrade auf.
-
Die Erklärbarkeit von Prädiktoren ist nicht für alle Modelle verfügbar. Die Modelle ARIMA (AutoRegressive Integrated Moving Average), ETS (Exponential Smoothing State Space Model) und NPTS (Non-Parametric Time Series) beziehen keine externen Zeitreihendaten ein. Daher erstellen diese Modelle keinen Erklärbarkeitsbericht, auch wenn Sie die zusätzlichen Datensätze einbeziehen.
-
Für die Erklärbarkeit sind Attribute erforderlich — Ihr Prädiktor muss mindestens eines der folgenden Elemente enthalten: verwandte Zeitreihen, Elementmetadaten, Feiertage oder den Wetterindex.
-
Prädiktoren sind auf eine Erklärbarkeitsressource beschränkt — Sie können nicht mehrere Erklärbarkeitsressourcen für einen Prädiktor erstellen. Wenn Sie an den Impact-Werten für einen aktualisierten Datensatz interessiert sind, trainieren Sie Ihren Prädiktor neu.
-
Auswirkungswerte von Null bedeuten keine Auswirkung — Wenn ein Attribut einen Auswirkungswert von 0 hat, hat dieses Attribut keine signifikante Auswirkung auf die Prognosewerte.
-
Fehlgeschlagene Predictor Explainability-Jobs wiederholen — Wenn Forecast erfolgreich einen Predictor erstellt, der Predictor Explainability-Job jedoch fehlschlägt, können Sie erneut versuchen, Predictor Explainability in der Konsole oder mit dem Vorgang zu erstellen. CreateExplainability
-
Sie können keine Impact-Werte für bestimmte Zeitpunkte und Zeitreihen erstellen. Informationen zur Anzeige von Impact-Werten für bestimmte Zeitpunkte und Zeitreihen finden Sie unter Erklärbarkeit von Forecast.
-
Visualisierungen zur Erklärbarkeit von Prädiktoren sind nach ihrer Erstellung 90 Tage lang verfügbar. Um die Visualisierung nach 90 Tagen anzuzeigen, müssen Sie den Prädiktor neu trainieren.