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.
Visualizzazione dei risultati del monitoraggio
Dopo aver generato una previsione e quindi importato altri dati, è possibile visualizzare i risultati del monitoraggio predittore. È possibile visualizzare una visualizzazione dei risultati con la console Forecast oppure è possibile recuperare i risultati a livello di programmazione conListMonitorEvaluationsoperazione.
La console Forecast visualizza grafici dei risultati per ciascunoparametro del predittore. I grafici includono come ogni metrica è cambiata nel corso della vita degli eventi predittori e predittori, come la riqualificazione.
LaListMonitorEvaluationsoperazione restituisce i risultati delle metriche e gli eventi predittori per diverse finestre di tempo.
- Console
-
Per visualizzare i risultati del monitoraggio predittore
Accedi allaAWS Management Consolee aprire la console di Amazon Forecast all'indirizzohttps://console.aws.amazon.com/forecast/.
-
DaGruppi di set di dati, scegliere il gruppo di set di dati
-
Nel riquadro di navigazione, sceglierePredittori.
-
Scegli il predittore e scegli ilMonitoraggioscheda.
-
LaVisualizzazione dei risultatila sezione mostra come le diverse metriche di accuratezza sono cambiate nel tempo. Utilizzare l'elenco a discesa per modificare la metrica tracciata dal grafico.
-
LaMonitoraggio disezione elenca i dettagli per i diversi eventi tracciati nei risultati.
Di seguito è riportato un esempio di un grafico di comeAvg
wQL
il punteggio per un predittore è cambiato nel tempo. In questo grafico, notate che ilAvg wQL
il valore sta aumentando nel tempo. Questo aumento indica che la precisione del predittore sta diminuendo. Utilizzare queste informazioni per determinare se è necessario riconvalidare il modello e agire.
- SDK for Python (Boto3)
-
Per ottenere risultati di monitoraggio con l'SDK for Python (Boto3), usa illist_monitor_evaluations
metodo. Fornisci l'Amazon Resource Name (ARN) del monitor e, facoltativamente, specificare il numero massimo di risultati da recuperare conMaxResults
Parametro . Facoltativamente, specificare unFilter
per filtrare i risultati. È possibile filtrare le valutazioni in base aEvaluationState
di uno dei dueSUCCESS
oFAILURE
. Il seguente codice ottiene al massimo 20 valutazioni di monitoraggio riuscite.
import boto3
forecast = boto3.client('forecast')
monitor_results = forecast.list_monitor_evaluations(
MonitorArn = 'monitor_arn
',
MaxResults = 20,
Filters = [
{
"Condition": "IS",
"Key": "EvaluationState",
"Value": "SUCCESS"
}
]
)
print(monitor_results)
Di seguito è riportata una risposta JSON di esempio.
{
"NextToken": "string",
"PredictorMonitorEvaluations": [
{
"MonitorArn": "MonitorARN",
"ResourceArn": "PredictorARN",
"EvaluationTime": "2020-01-02T00:00:00Z",
"EvaluationState": "SUCCESS",
"WindowStartDatetime": "2019-01-01T00:00:00Z",
"WindowEndDatetime": "2019-01-03T00:00:00Z",
"PredictorEvent": {
"Detail": "Retrain",
"Datetime": "2020-01-01T00:00:00Z"
},
"MonitorDataSource": {
"DatasetImportJobArn": "arn:aws:forecast:region
:accountNumber
:dataset-import-job/*
",
"ForecastArn": "arn:aws:forecast:region
:accountNumber
:forecast/*
",
"PredictorArn": "arn:aws:forecast:region
:accountNumber
:predictor/*
",
},
"MetricResults": [
{
"MetricName": "AverageWeightedQuantileLoss",
"MetricValue": 0.17009070456599376
},
{
"MetricName": "MAPE",
"MetricValue": 0.250711322309796
},
{
"MetricName": "MASE",
"MetricValue": 1.6275608734888485
},
{
"MetricName": "RMSE",
"MetricValue": 3100.7125081405547
},
{
"MetricName": "WAPE",
"MetricValue": 0.17101159704738722}
]
}
]
}