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.
DeepAR-Hyperparameter
Name des Parameters | Beschreibung |
---|---|
context_length |
Die Anzahl der Zeitpunkte, die dem Modell zur Verfügung gestellt werden, bevor die Prognose erfolgt. Der Wert für diesen Parameter sollte in etwa Erforderlich Gültige Werte: Positive Ganzzahl |
epochs |
Die maximale Anzahl von Durchläufen der Trainingsdaten. Der optimale Wert hängt von Ihrer Datengröße und Lernrate ab. Weitere Informationen finden Sie auch unter Erforderlich Gültige Werte: Positive Ganzzahl |
prediction_length |
Die Anzahl der Zeitschritte, für deren Prognose das Modell geschult wurde. Dies wird auch als Prognosehorizont bezeichnet. Das geschulte Modell generiert stets Prognosen mit dieser Länge. Längere Prognosen kann das Modell nicht erstellen. Der Wert Erforderlich Gültige Werte: Positive Ganzzahl |
time_freq |
Die Granularität der Zeitreihe im Dataset. Verwenden Sie
Erforderlich Gültige Werte: Eine Ganzzahl, gefolgt von M, W, D, H oder min. Z.B. |
cardinality |
Bei Verwendung der kategorischen Features ( Legen Sie die Kardinalität auf Zum Ausführen einer zusätzlichen Datenvalidierung kann dieser Parameter auf den Istwert festgelegt werden. Beispiel: Wenn zwei kategorische Features bereitgestellt werden und die erste 2 und die zweite 3 mögliche Werte hat, legen Sie diesen Wert auf [2, 3] fest. Weitere Informationen zur Verwendung der kategorischen Features finden Sie im Datenabschnitt auf der Seite für DeepAR der Hauptdokumentation. Optional Gültige Werte: Standardwert: |
dropout_rate |
Die Ausfallrate, die während der Schulung zu verwenden ist. Das Modell verwendet eine Zoneout-Regularisierung. Bei jedem Durchlauf wird eine zufällige Teilmenge ausgeblendeter Neuronen nicht aktualisiert. Typische Werte sind unter 0,2. Optional Gültige Werte: Gleitkommazahl.. Standardwert: 0.1 |
early_stopping_patience |
Ist dieser Parameter gesetzt, wird die Schulung gestoppt, wenn keine Fortschritte innerhalb der festgelegten Anzahl von Optional Gültige Werte: Ganzzahl |
embedding_dimension |
Die Größe des pro kategorischem Features gelernten eingebetteten Vektors (für alle kategorischen Features wird derselbe Wert verwendet). Das DeepAR-Modell kann Zeitreihenmuster auf Gruppenebene lernen, sofern eine kategorische Gruppenfunktion angegeben wird. Dazu lernt das Modell einen eingebetteten Vektor der Größe Optional Gültige Werte: positive Ganzzahl Standardwert: 10 |
learning_rate |
Die Lernrate in der Schulung. Typische Werte liegen zwischen 1e-4 und 1e-1. Optional Gültige Werte: Gleitkommazahl.. Standardwert: 1e-3 |
likelihood |
Das Modell generiert eine probabilistische Prognose und liefert Quantile für Verteilung und Rückgabe der Stichprobe. Wählen Sie abhängig von Ihren Daten eine geeignete Wahrscheinlichkeit (Stördatenmodell) aus, die für Unsicherheitsschätzungen verwendet wird. Folgende Wahrscheinlichkeiten sind auswählbar:
Optional Gültige Werte: Entweder Gaußsche, Beta, Negativ-binomial, Studentsche-T oder Deterministisch-L1. Standardwert: |
mini_batch_size |
Die Größe der im Rahmen der Schulung verwendeten Mini-Stapel. Typische Werte liegen zwischen 32 und 512. Optional Gültige Werte: positive Ganzzahl Standardwert: 128 |
num_cells |
Die Anzahl von Zellen, die in den ausgeblendeten Layern des rekurrenten neuronalen Netzwerks (RNN) verwendet werden sollen. Typische Werte liegen zwischen 30 und 100. Optional Gültige Werte: positive Ganzzahl Standardwert: 40 |
num_dynamic_feat |
Anzahl von Legen Sie Zum Ausführen einer zusätzlichen Datenvalidierung kann dieser Parameter auf den tatsächlichen Ganzzahlwert festgelegt werden. Wenn z. B. zwei dynamische Funktionen bereitgestellt werden, legen Sie diesen Wert auf 2 fest. Optional Gültige Werte: Standardwert: |
num_eval_samples |
Die Anzahl von Stichproben, die pro Zeitreihe zur Berechnung der Test-Genauigkeitsmetriken verwendet werden. Dieser Parameter hat keinen Einfluss auf die Schulung oder das endgültige Modell. Das Modell kann insbesondere mit einer anderen Anzahl von Stichproben abgefragt werden. Dieser Parameter wirkt sich nur auf die gemeldeten Genauigkeitswerte im Testkanal nach der Schulung aus. Kleinere Werte führen zu einer schnelleren Auswertung, die Auswertungsbewertungen sind in der Regel jedoch schlechter und ungenauer. Bei einer Auswertung mit höheren Quantilen wie 0,95 sollte die Anzahl von Auswertungsstichproben ggf. erhöht werden. Optional Gültige Werte: Ganzzahl Standardwert: 100 |
num_layers |
Die Anzahl von ausgeblendeten Layers im RNN. Typische Werte liegen zwischen 1 und 4. Optional Gültige Werte: positive Ganzzahl Standardwert: 2 |
test_quantiles |
Quantile, für die der Quantilverlust im Testkanal berechnet werden soll Optional Gültige Werte: Array von Gleitkommazahlen Standardwert: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9] |