Amazon Forecast は新規顧客には利用できなくなりました。Amazon Forecast の既存のお客様は、通常どおりサービスを引き続き使用できます。詳細はこちら
翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Amazon Forecast アルゴリズム
Amazon Forecast の予測子は、アルゴリズムを使用して、時系列データセットを使用してモデルをトレーニングします。その後、トレーニングされたモデルを使用して、メトリクスと予測を生成します。
モデルのトレーニングに使用するアルゴリズムがわからない場合は、予測子を作成するときに AutoML を選択し、Forecast がデータセットに最適なモデルをトレーニングするようにします。それ以外の場合は、Amazon Forecast のいずれかのアルゴリズムを手動で選択できます。
Python ノートブック
AutoML の使用に関するステップバイステップガイドについては、「Getting Started with AutoML
ビルトイン Forecast アルゴリズム
Amazon Forecast では、6 つのビルトインアルゴリズムが用意されており、それらの中から選択できます。これらは、自己回帰和分移動平均 (ARIMA) のような一般的に使用される統計アルゴリズムから、CNN-QR や DeepAR+ のような複雑なニューラルネットワークアルゴリズムにまで及びます。
CNN-QR
arn:aws:forecast:::algorithm/CNN-QR
Amazon Forecast CNN-QR、畳み込みニューラルネットワーク - 分位点回帰は、因果畳み込みニューラルネットワーク (CNN) を使用して時系列を予測するための独自の機械学習アルゴリズムです。CNN-QR は、数百の時系列を含む大規模なデータセットで最適に機能します。項目のメタデータを受け入れ、将来の値なしで関連する時系列データを受け入れる唯一の Forecast のアルゴリズムです。
DeepAR+
arn:aws:forecast:::algorithm/Deep_AR_Plus
Amazon Forecast DeepAR は、再帰型ニューラルネットワーク (RNN) を使用して時系列を予測するための、独占的な機会学習アルゴリズムです。DeepAR+ は、数百の特徴時系列を含む大規模なデータセットで最適に機能します。このアルゴリズムは、フォワードルックの関連する時系列と項目メタデータを受け入れます。
Prophet
arn:aws:forecast:::algorithm/Prophet
Prophet は、非線形トレンドが年次、週次、および日次の季節性に適合する加法モデルに基づく時系列予測アルゴリズムです。これは、季節性の強い効果といくつかの季節の履歴データを持つ時系列で最適に機能します。
NPTS
arn:aws:forecast:::algorithm/NPTS
Amazon Forecast ノンパラメトリック時系列 (NPTS) の独占的なアルゴリズムは、スケーラブルで確率的なベースライン予測機能です。NPTS は、スパースまたは断続的な時系列を使用する場合に特に役立ちます。Forecast は、Standard NPTS、Seasonal NPTS、Climatological Forecaster、および Seasonal Climatological Forecaster の 4 つのアルゴリズムバリアントを提供します。
ARIMA
arn:aws:forecast:::algorithm/ARIMA
自己回帰和分移動平均 (ARIMA) は、時系列予測に一般的に使用される統計アルゴリズムです。このアルゴリズムは、時系列が 100 未満の単純なデータセットに特に役立ちます。
ETS
arn:aws:forecast:::algorithm/ETS
指数平滑法 (ETS) は、時系列予測に一般的に使用される統計アルゴリズムです。このアルゴリズムは、時系列が 100 未満の単純なデータセット、および季節性パターンのあるデータセットに特に役立ちます。ETS は、時系列データセット内のすべての観測値の加重平均を予測として計算し、時間の経過とともに重みを指数関数的に減少させます。
Forecast アルゴリズムの比較
次の表を使用して、時系列データセットに最適なオプションを見つけます。
| ニューラルネットワーク | 柔軟なローカルアルゴリズム | ベースラインアルゴリズム | ||||
|---|---|---|---|---|---|---|
| CNN-QR | DeepAR+ | Prophet | NPTS | ARIMA | ETS | |
| 計算負荷の高いトレーニングプロセス | 高い | 高 | 中程度 | 低 | 低 | 低 |
| 履歴の関連する時系列を受け入れる * | ||||||
| フォワードルックの関連する時系列を受け入れる * | ||||||
| 項目のメタデータ (製品の色、ブランドなど) を受け入れる | ||||||
| Weather Index のビルトインの特徴量化を受け入れる | ||||||
| スパースデータセットに適している | ||||||
| ハイパーパラメータ最適化 (HPO) を実行する | ||||||
| デフォルトのハイパーパラメータ値の上書きを許可する | ||||||
* 関連する時系列の詳細については、「Related Time Series」(関連する時系列) を参照してください。
