Prediktor Pelatihan

Prediktor adalah model Amazon Forecast yang dilatih menggunakan deret waktu target Anda, deret waktu terkait, metadata item, dan kumpulan data tambahan apa pun yang Anda sertakan. Anda dapat menggunakan prediktor untuk menghasilkan perkiraan berdasarkan data deret waktu Anda.

Secara default, Amazon Forecast membuat AutoPredictor, di mana Forecast menerapkan kombinasi algoritma yang optimal untuk setiap deret waktu dalam kumpulan data Anda.

Topik

• Membuat Prediktor
• Upgrade ke AutoPredictor
• Agregasi data untuk frekuensi perkiraan yang berbeda
• Menggunakan kumpulan data tambahan
• Bekerja dengan prediktor lama
• Mengevaluasi Akurasi Prediktor
• Retraining Prediktor
• Indeks Cuaca
• Featurisasi Liburan
• Penjelasan Prediktor
• Pemantauan prediktor
• Algoritma Amazon Forecast

Membuat Prediktor

Amazon Forecast membutuhkan masukan berikut untuk melatih prediktor:

• Grup Dataset — Grup kumpulan data yang harus menyertakan kumpulan data deret waktu target. Dataset deret waktu target mencakup atribut target (item_id) dan atribut timestamp, serta dimensi apa pun. Deret waktu terkait dan metadata Item adalah opsional. Untuk informasi selengkapnya, lihat Mengimpor Dataset.

• Frekuensi Forecast — Perincian perkiraan Anda (per jam, harian, mingguan, dll). Amazon Forecast memungkinkan Anda menentukan perincian yang tepat dari perkiraan Anda saat Anda memberikan unit frekuensi dan nilai. Hanya nilai integer yang diizinkan

  Satuan frekuensi	Nilai yang diizinkan
  Dengan teliti	1-59
  Per Jam	1-23
  Harian	1-6
  Mingguan	1-4
  Bulanan	1-11
  Tahunan	1

  Misalnya, jika Anda menginginkan perkiraan setiap minggu, unit frekuensi Anda mingguan dan nilainya 2. Atau, jika Anda menginginkan perkiraan triwulanan, unit frekuensi Anda bulanan dan nilainya 3.

  Ketika data Anda dikumpulkan pada frekuensi yang lebih besar daripada frekuensi perkiraan, itu digabungkan ke frekuensi perkiraan. Ini termasuk deret waktu tambahan dan data deret waktu terkait. Untuk informasi lebih lanjut tentang agregasi, lihatAgregasi data untuk frekuensi perkiraan yang berbeda.

• Forecast horizon — Jumlah langkah waktu yang diperkirakan.

Anda juga dapat menetapkan nilai untuk input opsional berikut:

• Batas penyelarasan waktu — Time boundary Forecast digunakan untuk mengumpulkan data Anda dan menghasilkan perkiraan yang selaras dengan frekuensi perkiraan yang Anda tentukan. Untuk informasi lebih lanjut tentang agregasi, lihatAgregasi data untuk frekuensi perkiraan yang berbeda. Untuk informasi tentang menentukan batas waktu lihat. Batas Waktu

• Dimensi Forecast - Dimensi adalah atribut opsional dalam kumpulan data deret waktu target Anda yang dapat digunakan dalam kombinasi dengan nilai target (item_id) untuk membuat deret waktu terpisah.

• Jenis Forecast — Kuantil yang digunakan untuk mengevaluasi prediktor Anda.

• Metrik optimasi — Metrik akurasi yang digunakan untuk mengoptimalkan prediktor Anda.

• Kumpulan data tambahan — Kumpulan data Amazon Forecast bawaan seperti Indeks Cuaca dan Liburan.

Anda dapat membuat prediktor menggunakan Software Development Kit (SDK) atau konsol Amazon Forecast.

Console

Untuk membuat prediktor

1. Masuk ke AWS Management Console dan buka konsol Amazon Forecast di https://console.aws.amazon.com/forecast/.

2. Dari grup Dataset, pilih grup kumpulan data Anda.

3. Di panel navigasi, pilih Prediktor.

4. Pilih Latih prediktor baru.

5. Berikan nilai untuk bidang wajib berikut:

   • Nama - nama prediktor yang unik.

   • Frekuensi Forecast - perincian perkiraan Anda.

   • Forecast horizon - Jumlah langkah waktu untuk memperkirakan.

6. Pilih Mulai.

Untuk informasi tentang kumpulan data tambahan, lihat Indeks Cuaca dan. Featurisasi Liburan Untuk mempelajari lebih lanjut tentang menyesuaikan jenis perkiraan dan metrik pengoptimalan, lihat. Mengevaluasi Akurasi Prediktor

AWS CLI

Untuk membuat prediktor otomatis denganAWS CLI, gunakan create-predictor perintah. Kode berikut membuat prediktor otomatis yang membuat prediksi selama 14 hari di masa depan.

Berikan nama untuk prediktor dan Nama Sumber Daya Amazon (ARN) grup kumpulan data yang menyertakan data pelatihan Anda. Secara opsional memodifikasi cakrawala perkiraan dan frekuensi perkiraan. Secara opsional tambahkan tag apa pun untuk prediktor. Untuk informasi selengkapnya, lihat Penandaan Amazon Forecast Daya.

Untuk informasi tentang parameter wajib dan opsional, lihatCreateAutoPredictor.

aws forecast create-predictor \
--predictor-name predictor_name \
--data-config DatasetGroupArn="arn:aws:forecast:region:account:dataset-group/datasetGroupName" \
--forecast-horizon 14 \
--forecast-frequency D \
--tags Key=key1,Value=value1 Key=key2,Value=value2

Untuk mempelajari lebih lanjut tentang menyesuaikan jenis perkiraan dan metrik pengoptimalan, lihat Mengevaluasi Akurasi Prediktor Indeks Cuaca dan Liburan kumpulan data tambahan ditentukan dalam tipe data. DataConfig Untuk informasi tentang kumpulan data tambahan, lihat Indeks Cuaca dan. Featurisasi Liburan

Python

Untuk membuat prediktor otomatis dengan SDK for Python (Boto3), gunakan metode ini. create_auto_predictor Kode berikut membuat prediktor otomatis yang membuat prediksi selama 14 hari di masa depan.

Berikan nama untuk prediktor dan Nama Sumber Daya Amazon (ARN) grup kumpulan data yang menyertakan data pelatihan Anda. Secara opsional memodifikasi cakrawala perkiraan dan frekuensi perkiraan. Secara opsional tambahkan tag apa pun untuk prediktor. Untuk informasi selengkapnya, lihat Penandaan Amazon Forecast Daya.

Untuk informasi tentang parameter wajib dan opsional, lihatCreateAutoPredictor.

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

create_predictor_response = forecast.create_auto_predictor(
    PredictorName = 'predictor_name',
    ForecastHorizon = 14,
    ForecastFrequency = 'D',
    DataConfig = {
      "DatasetGroupArn": "arn:aws:forecast:region:account:dataset-group/datasetGroupName"
    },
    Tags = [ 
      { 
         "Key": "key1",
         "Value": "value1"
      },
      { 
         "Key": "key2",
         "Value": "value2"
      }
    ]
)
print(create_predictor_response['PredictorArn'])

Untuk mempelajari lebih lanjut tentang menyesuaikan jenis perkiraan dan metrik pengoptimalan, lihat Mengevaluasi Akurasi Prediktor Indeks Cuaca dan Liburan kumpulan data tambahan ditentukan dalam tipe data. DataConfig Untuk informasi tentang kumpulan data tambahan, lihat Indeks Cuaca dan. Featurisasi Liburan

Upgrade ke AutoPredictor

Notebook Python

Untuk step-by-step panduan tentang memutakhirkan prediktor AutoPredictor, lihat Memutakhirkan prediktor ke. AutoPredictor

Prediktor yang dibuat dengan AutoML atau manual selection CreatePredictor () dapat ditingkatkan ke file. AutoPredictor Memutakhirkan yang sudah ada ke AutoPredictor akan mentransfer semua pengaturan konfigurasi prediktor yang relevan.

Setelah Upgrade ke AutoPredictor, prediktor asli akan tetap aktif dan prediktor yang ditingkatkan akan memiliki ARN Prediktor terpisah. Ini memungkinkan Anda untuk membandingkan metrik akurasi antara dua prediktor, dan Anda masih dapat menghasilkan prakiraan dengan prediktor asli.

Anda dapat memutakhirkan prediktor menggunakan Software Development Kit (SDK) atau konsol Amazon Forecast.

Console

Untuk meng-upgrade prediktor

1. Masuk ke AWS Management Console dan buka konsol Amazon Forecast di https://console.aws.amazon.com/forecast/.

2. Di panel navigasi, pilih Prediktor.

3. Pilih prediktor untuk meningkatkan, dan pilih Upgrade.

4. Tetapkan nama unik untuk prediktor yang ditingkatkan.

5. Pilih Upgrade ke AutoPredictor.

CLI

Untuk memutakhirkan prediktor denganAWS CLI, gunakan create-predictor metode ini, tetapi tentukan hanya nama prediktor dan nilai reference-predictor-arn (ARN prediktor yang ingin Anda tingkatkan).

aws forecast create-predictor \
--predictor-name predictor_name \
--reference-predictor-arn arn:aws:forecast:region:account:predictor/predictorName

Python

Untuk memutakhirkan prediktor dengan SDK for Python (Boto3), create_auto_predictor gunakan metode ini, tetapi tentukan hanya nama prediktor dan nilai ReferencePredictorArn (ARN prediktor yang ingin Anda tingkatkan).

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

create_predictor_response = forecast.create_auto_predictor(
    PredictorName = 'predictor_name',
    ReferencePredictorArn = 'arn:aws:forecast:region:account:predictor/predictorName'
)
print(create_predictor_response['PredictorArn'])

Menggunakan kumpulan data tambahan

Amazon Forecast dapat menyertakan Indeks Cuaca dan Liburan saat membuat prediktor Anda. Indeks Cuaca menggabungkan informasi meteorologi ke dalam model Anda dan Liburan menggabungkan informasi mengenai hari libur nasional.

Indeks Cuaca memerlukan atribut 'geolokasi' dalam kumpulan data deret waktu target Anda dan informasi mengenai zona waktu untuk stempel waktu Anda. Untuk informasi selengkapnya, lihat Indeks Cuaca.

Liburan mencakup informasi liburan di lebih dari 250 negara. Untuk informasi selengkapnya, lihat Featurisasi Liburan.

Bekerja dengan prediktor lama

catatan

Untuk memutakhirkan prediktor yang ada ke AutoPredictor, lihat Upgrade ke AutoPredictor

AutoPredictor adalah metode default dan pilihan untuk membuat prediktor dengan Amazon Forecast. AutoPredictor membuat prediktor dengan menerapkan kombinasi algoritma yang optimal untuk setiap deret waktu dalam kumpulan data Anda.

Prediktor yang dibuat dengan AutoPredictor umumnya lebih akurat daripada prediktor yang dibuat dengan AutoML atau seleksi manual. Fitur Forecast Explainability dan pelatihan ulang prediktor hanya tersedia untuk prediktor yang dibuat dengan. AutoPredictor

Amazon Forecast juga dapat membuat prediktor warisan dengan cara berikut:

1. AutoMl - Forecast menemukan algoritme berkinerja terbaik dan menerapkannya ke seluruh kumpulan data Anda.

2. Pemilihan manual - Secara manual memilih algoritma tunggal yang diterapkan ke seluruh dataset Anda.

Anda mungkin dapat membuat prediktor lama menggunakan Software Development Kit (SDK).

SDK

Untuk menggunakan AutoML

Dengan menggunakan CreatePredictoroperasi, atur nilai PerformAutoML to"true".

{
    ...
    "PerformAutoML": "true",
}

Jika Anda menggunakan AutoML, Anda tidak dapat menetapkan nilai untuk CreatePredictor parameter berikut:AlgorithmArn,,HPOConfig. TrainingParameters