開始方法 (Python ノートブック) - Amazon Forecast

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。

開始方法 (Python ノートブック)

注記

Python ノートブックを使用したチュートリアルの完全なリストについては、Amazon Forecast のGitHub のサンプルページで.

Python ノートブックで Amazon Forecast API の使用を開始するには、基本チュートリアル。このチュートリアルでは、Forecast の基本手順を最初から最後まで説明します。

  1. データ準備-データセットの準備、データセットグループの作成、スキーマの定義、およびデータセットグループのインポート

  2. 予測子をトレーニングします。-予測変数を作成し、エラー指標を評価し、予測を生成します。

  3. 予測子の評価-予測を取得し、予測を視覚化し、結果を比較します。

チュートリアルを完了したら、クリーンアップチュートリアルを使用して、チュートリアルで作成したデータセットグループ、予測変数、予測を削除します。

このチュートリアルを AutoML で繰り返すには、AutoML の使用開始

アドバンストチュートリアル

より高度なチュートリアルについては、次の Python ノートブックを参照してください。

  • 複数のモデルの比較-Prophet、ETS、Deepar+を使用して予測変数を作成し、結果を視覚化してパフォーマンスを比較します。

  • Cold Start 予測-アイテムのメタデータと Deepar+ アルゴリズムを使用して、コールドスタートのシナリオ(履歴データがほとんどまたはまったくない場合)を予測します。

  • 関連する時系列データセットの組み込み-関連する時系列データセットを使用して、モデルの精度を向上させます。

  • アイテムメタデータの組み込み-アイテムのメタデータを使用して、モデルの精度を向上します。

  • 天気指数の使用-気象インデックスを使用して、予測変数をトレーニングするときに、履歴と予測された気象情報を組み込むことができます。

  • What-If 分析の実行-さまざまな価格設定シナリオを調査し、それが需要に与える影響を評価します。

  • 商品レベルの精度を評価する-バックテストの指標と予測をエクスポートし、予測変数の項目レベルのパフォーマンスを評価します。