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

1. Accedi allaAWS Management Consolee aprire la console di Amazon Forecast all'indirizzohttps://console.aws.amazon.com/forecast/.

2. DaGruppi di set di dati, scegliere il gruppo di set di dati

3. Nel riquadro di navigazione, sceglierePredittori.

4. 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 wQLil punteggio per un predittore è cambiato nel tempo. In questo grafico, notate che ilAvg wQLil 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_evaluationsmetodo. Fornisci l'Amazon Resource Name (ARN) del monitor e, facoltativamente, specificare il numero massimo di risultati da recuperare conMaxResultsParametro . Facoltativamente, specificare unFilterper filtrare i risultati. È possibile filtrare le valutazioni in base aEvaluationStatedi uno dei dueSUCCESSoFAILURE. 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}
      ]
    }
  ]
}