RCF を使用して予測を生成する方法

定常的な時系列で次の値を予測するために、RCF アルゴリズムは、「候補値を得た後、最も可能性の高い完了はどうなるでしょうか」という問いに答えます。これは RCF の単一のツリーを使用して最良の候補を検索します。各ツリーはそれ自体が弱い予測子であるため、異なるツリーにわたる候補は集約されます。集約は分位点誤差の生成も可能にします。このプロセスを t 回繰り返して、将来の t 値を予測します。

Amazon QuickSight のアルゴリズムは BIFOCAL と呼ばれています。2 つの RCF を使用して CALibrated BI-FOrest アーキテクチャを作成します。最初の RCF は、異常を除外して弱い予測を提供するために使用され、これは 2 番目の補正によって修正されます。全体的に見て、このアプローチは ETS のような他の広く利用可能なアルゴリズムと比較して非常に堅牢な予測を提供します。

Amazon QuickSight 予測アルゴリズムのパラメータ数は、他の広く利用されているアルゴリズムよりもかなり少なくなっています。これにより、多数の時系列データポイントを人が調整することなく、そのまま使用することができます。特定の時系列でより多くのデータが蓄積されるにつれて、Amazon QuickSight の予測はデータのドリフトやパターンの変化に合わせて調整できます。傾向を示す時系列の場合、傾向検出が最初に実行されて系列が定常状態になります。その定常シーケンスの予測は、トレンドとともに予測されます。

このアルゴリズムは効率的なオンラインアルゴリズム (RCF) に依存しているため、対話型の「what-if」クエリをサポートできます。これらでは、予測の一部を変更して条件付き予測を提供するための仮説として扱うことができます。これが分析中に「what-if」シナリオを探索する機能の起源です。