Amazon Forecast 알고리즘 선택 - Amazon Forecast

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Amazon Forecast 알고리즘 선택

Amazon Forecast 예측 변수는 알고리즘을 사용하여 시계열 데이터 집합으로 모델을 학습합니다. 그런 다음 학습된 모델을 사용하여 메트릭 및 예측을 생성합니다.

모델을 학습하는 데 사용할 알고리즘이 확실하지 않은 경우 예측 변수를 만들 때 AutoML 을 선택하고 Forecast 가 데이터 집합에 대한 최적의 모델을 학습하도록 합니다. 그렇지 않으면 Amazon Forecast 알고리즘 중 하나를 수동으로 선택할 수 있습니다.

파이썬 노트북

AutoML 사용에 대한 단계별 지침은 단원을 참조하십시오.AutoML 시작하기.

기본 제공 Forecast 알고리즘

Amazon Forecast 는 사용자가 선택할 수 있는 6가지 기본 제공 알고리즘을 제공합니다. 자동 회귀 통합 이동 평균 (ARIMA) 과 같이 일반적으로 사용되는 통계 알고리즘부터 CNN-QR 및 DeePar+와 같은 복잡한 신경망 알고리즘에 이르기까지 다양합니다.

CNN-QR

arn:aws:forecast:::algorithm/CNN-QR

Amazon Forecast CNN-QR, 컨볼루션 신경망 - 사분위수 회귀 분석은 인과 회선 신경망 (CNN) 을 사용하여 시계열을 예측하기 위한 독점적인 기계 학습 알고리즘입니다. CNN-QR은 수백 개의 시계열을 포함하는 대규모 데이터 집합에서 가장 잘 작동합니다. 항목 메타데이터를 허용하며 향후 값 없이 관련 시계열 데이터를 허용하는 유일한 Forecast 알고리즘입니다.

DeepAR+

arn:aws:forecast:::algorithm/Deep_AR_Plus

Amazon Forecast DeepAR+는 반복 신경망 (RNN) 을 사용하여 시계열을 예상하는 독점적인 기계 학습 알고리즘입니다. DeePar+는 수백 개의 피처 시계열을 포함하는 대규모 데이터셋에서 가장 잘 작동합니다. 알고리즘은 미래 지향적 관련 시계열 및 항목 메타데이터를 허용합니다.

Prophet

arn:aws:forecast:::algorithm/Prophet

예언자는 비선형 추세가 연간, 주별 및 일별 계절성에 적합한 첨가제 모델을 기반으로 하는 시계열 예측 알고리즘입니다. 그것은 강한 계절 효과와 여러 계절의 과거 데이터를 가진 시계열에서 가장 잘 작동합니다.

NPTS

arn:aws:forecast:::algorithm/NPTS

Amazon Forecast Non-Parametric Time Series (NPTS) 독점 알고리즘은 확장 가능하고 확률론적인 기본 예측자입니다. NPTS는 스파스 또는 간헐적 시계열로 작업할 때 특히 유용합니다. Forecast 은 네 가지 알고리즘 변형을 제공합니다. 표준 NPTS, 계절 NPTS, 기후 예측기 및 계절성 기후 예측기

ARIMA

arn:aws:forecast:::algorithm/ARIMA

Autoregressive Integrated Moving A( ARIMA) 는 시계열 예상에 일반적으로 사용되는 통계 알고리즘입니다. 이 알고리즘은 100개 미만의 시계열이있는 간단한 데이터 세트에 특히 유용합니다.

ETS

arn:aws:forecast:::algorithm/ETS

지수 평활 (ETS) 은 시계열 예상에 일반적으로 사용되는 통계 알고리즘입니다. 이 알고리즘은 시계열이 100개 미만인 단순한 데이터 세트와 계절성 패턴이 있는 데이터 집합에 특히 유용합니다. ETS는 시간 경과에 따라 가중치가 기하급수적으로 감소하면서 시계열 데이터 세트의 모든 관측치에 대한 가중 평균을 예상으로 계산합니다.

Forecast 알고리즘 비교

다음 표를 사용하여 시계열 데이터 집합에 가장 적합한 옵션을 찾습니다.

신경망 유연한 로컬 알고리즘 기준 알고리즘
CNN-QR DeepAR+ Prophet NPTS ARIMA ETS
계산 집약적 인 교육 프로세스 높음 높음 Medium 낮음 낮음 낮음
과거 관련 시계열 허용*
미래 예측 관련 시간 시리즈를 허용합니다*
항목 메타데이터 (상품 색상, 브랜드 등) 허용
기상 지수 내장 기능 수용
스파스 데이터 세트에 적합
하이퍼파라미터 최적화 (HPO) 수행
기본 하이퍼파라미터 값을 재정의할 수 있습니다.
What-if 분석에 적합
콜드 스타트 시나리오 (기록 데이터가 거의 없거나 전혀 없는 예측) 에 적합

*관련 시계열에 대한 자세한 내용은 단원을 참조하십시오.관련 시계열.