項目メタデータデータセットの使用

項目メタデータデータセットには、ターゲットの時系列データセットの項目に有益なコンテキストを提供するカテゴリデータが含まれています。関連する時系列データセットとは異なり、項目メタデータデータセットは静的な情報を提供します。つまり、項目の色やブランドのように、データ値は時間が経過しても一定に保たれます。アイテムメタデータデータセットは、データセットグループへのオプションの追加です。項目メタデータを使用できるのは、ターゲットの時系列データセット内のすべての項目が、対応する項目メタデータデータセットに存在する場合だけです。

項目メタデータには、特定の項目のブランド、色、モデル、カテゴリ、製造場所、その他の補足機能が含まれる場合があります。たとえば、項目メタデータデータセットは、32 GB のストレージを持つ黒の Amazon E-reader の売り上げを表す、ターゲットの時系列データセットで見つかった需要データの一部のコンテキストを提供することがあります。これらの特性は day-to-day または から変更されないため hour-to-hour、アイテムメタデータデータセットに属します。

項目メタデータは、時系列データの説明パターンを検出して追跡するのに便利です。データセットグループに項目メタデータデータセットを含めると、Forecast は、項目間の類似性に基づいてより正確な予測を行うようにモデルをトレーニングできます。たとえば、Amazon 製の仮想アシスタント製品は、他の会社が製造した製品よりも売り切れる可能性が高く、サプライチェーンをそれに応じて計画することができます。

項目メタデータは、予測を行うための直接的な履歴データがないが、類似したメタデータ属性を持つ項目の履歴データがある、コールドスタート予想シナリオで特に便利です。項目のメタデータにより、Forecast はコールドスタート項目と同様の項目を活用して予想を作成できます。

項目のメタデータを含めると、Forecast は類似の時系列に基づいてコールドスタート予想を作成するため、より正確な予想を作成できます。コールドスタート予想は、項目メタデータデータセットにはあるが直近の時系列にはない項目について生成されます。まず、Forecast は、コールドスタート以外の項目 (後続時系列の履歴データを含む項目) の予想を生成します。次に、各コールドスタート項目について、項目メタデータデータセットを使用して最近傍項目を検索します。次に、これらの最近傍を使用してコールドスタート予想を作成します。

項目メタデータデータセットの各行には、最大 10 個のメタデータフィールドを含めることができます。そのうちの 1 つは、メタデータをターゲットの時系列の項目に一致させる識別フィールドである必要があります。すべてのデータセットタイプと同様に、各フィールドの値はデータセットスキーマによって指定されます。

Python ノートブック

アイテムメタデータの使用に関する step-by-step ガイドについては、「アイテムメタデータの組み込み」を参照してください。

例: 項目メタデータファイルとスキーマ

次の表は、Amazon E-reader を説明する、正しく設定された項目メタデータデータセットファイルのセクションを示しています。この例では、ヘッダー行がデータセットのスキーマを表し、リストされた各項目が、対応するターゲットの時系列データセットにあると仮定します。

item_id	brand	model	color	waterproof
1	Amazon	paperwhite	black	はい
2	Amazon	paperwhite	blue	はい
3	Amazon	base_model	black	なし
4	Amazon	base_model	white	なし
...

以下は、 CSV 形式で表される情報と同じです。

1,amazon,paperwhite,black,yes
2,amazon,paperwhite,blue,yes
3,amazon,base_model,black,no
4,amazon,base_model,white,no
...

このサンプルデータセットのスキーマを次に示します。

{
     "attributes": [
        {
           "AttributeName": "item_id",
           "AttributeType": "string"
        },
        {
           "AttributeName": "brand",
           "AttributeType": "string"
        },
        {
           "AttributeName": "model",
           "AttributeType": "string"
        },
        {
           "AttributeName": "color",
           "AttributeType": "string"
        },
        {
           "AttributeName": "waterproof",
           "AttributeType": "string"
        }
    ]
}

レガシー予測子およびアイテムメタデータ

注記

既存の予測子を にアップグレードするには AutoPredictor、「」を参照してください。 へのアップグレード AutoPredictor

レガシー予測子を使用する場合、CNN-QR または DeepAR + アルゴリズムを使用して予測子をトレーニングするときに、アイテムメタデータを使用できます。AutoML を使用する場合、アイテムメタデータを提供でき、Forecast は該当する場合にのみそれらの時系列を使用します

以下の資料も参照してください。

アイテムメタデータデータセットの使用に関する詳細なチュートリアルについては、「Amazon Forecast サンプル GitHub リポジトリ」の「アイテムメタデータデータセットを予測子に組み込む」を参照してください。