Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
GetAccuracyMetrics
Fornisce metriche sull'accuratezza dei modelli addestrati dall'CreatePredictoroperazione. Utilizza le metriche per vedere le prestazioni del modello e per decidere se utilizzare il predittore per generare una previsione. Per ulteriori informazioni, consulta Predictor Metrics.
Questa operazione genera metriche per ogni finestra di backtest che è stata valutata. Il numero di finestre di backtest (NumberOfBacktestWindows) viene specificato utilizzando l'EvaluationParametersoggetto, che è facoltativamente incluso nella richiesta. CreatePredictor Se NumberOfBacktestWindows non è specificato, il numero predefinito è uno.
I parametri del filling metodo determinano quali elementi contribuiscono alle metriche. Se vuoi che tutti gli elementi contribuiscano, specificazero. Se desideri che contribuiscano solo gli elementi che hanno dati completi nell'intervallo da valutare, specificanan. Per ulteriori informazioni, consulta FeaturizationMethod.
Nota
Prima di poter ottenere metriche Status di precisione, deve esserlo il predittoreACTIVE, che indica che l'allenamento è stato completato. Per ottenere lo stato, usa l'operazione. DescribePredictor
Sintassi della richiesta
{
"PredictorArn": "string"
}Parametri della richiesta
La richiesta accetta i seguenti dati in formato JSON.
- PredictorArn
-
L'Amazon Resource Name (ARN) del predittore per cui ottenere le metriche.
▬Tipo: stringa
Limitazioni di lunghezza: lunghezza massima di 256.
Modello:
arn:([a-z\d-]+):forecast:.*:.*:.+Campo obbligatorio: sì
Sintassi della risposta
{
"AutoMLOverrideStrategy": "string",
"IsAutoPredictor": boolean,
"OptimizationMetric": "string",
"PredictorEvaluationResults": [
{
"AlgorithmArn": "string",
"TestWindows": [
{
"EvaluationType": "string",
"ItemCount": number,
"Metrics": {
"AverageWeightedQuantileLoss": number,
"ErrorMetrics": [
{
"ForecastType": "string",
"MAPE": number,
"MASE": number,
"RMSE": number,
"WAPE": number
}
],
"RMSE": number,
"WeightedQuantileLosses": [
{
"LossValue": number,
"Quantile": number
}
]
},
"TestWindowEnd": number,
"TestWindowStart": number
}
]
}
]
}Elementi di risposta
Se l'operazione riesce, il servizio restituisce una risposta HTTP 200.
I dati seguenti vengono restituiti in formato JSON mediante il servizio.
- AutoMLOverrideStrategy
-
Nota
La strategia di override di
LatencyOptimizedAutoML è disponibile solo nella versione beta privata. Contatta AWS Support o il tuo account manager per ulteriori informazioni sui privilegi di accesso.La strategia AutoML utilizzata per addestrare il predittore. Se non diversamente
LatencyOptimizedspecificato, la strategia AutoML ottimizza la precisione dei predittori.Questo parametro è valido solo per i predittori addestrati utilizzando AutoML.
▬Tipo: stringa
Valori validi:
LatencyOptimized | AccuracyOptimized - IsAutoPredictor
-
Se il predittore è stato creato con. CreateAutoPredictor
Tipo: Booleano
- OptimizationMetric
-
La metrica di precisione utilizzata per ottimizzare il predittore.
▬Tipo: stringa
Valori validi:
WAPE | RMSE | AverageWeightedQuantileLoss | MASE | MAPE - PredictorEvaluationResults
-
Una serie di risultati derivanti dalla valutazione del predittore.
Tipo: matrice di oggetti EvaluationResult
Errori
- InvalidInputException
-
Non possiamo elaborare la richiesta perché include un valore non valido o un valore che supera l'intervallo valido.
Codice di stato HTTP: 400
- ResourceInUseException
-
La risorsa specificata è in uso.
Codice di stato HTTP: 400
- ResourceNotFoundException
-
Non riusciamo a trovare una risorsa con questo Amazon Resource Name (ARN). Controlla l'ARN e riprova.
Codice di stato HTTP: 400
Vedi anche
Per ulteriori informazioni sull'utilizzo di questa API in uno degli AWS SDK specifici della lingua, consulta quanto segue:
