Uso de conjuntos de dados de metadados de itens

Um conjunto de dados de metadados de itens contém dados categóricos que fornecem um contexto valioso para os itens em um conjunto de dados de séries temporais de destino. Ao contrário dos conjuntos de dados de séries temporais relacionados, os conjuntos de dados de metadados de itens fornecem informações estáticas. Ou seja, os valores de dados permanecem constantes ao longo do tempo, como a cor ou a marca de um item. Os conjuntos de dados de metadados de itens são adições opcionais aos seus grupos de conjuntos de dados. Você poderá usar metadados de um item somente se cada item em seu conjunto de dados de séries temporais de destino estiver presente no conjunto de dados de metadados de itens correspondente.

Os metadados de itens podem incluir a marca, a cor, o modelo, a categoria, o local de origem ou outro recurso complementar de um item específico. Por exemplo, um conjunto de dados de metadados de itens pode fornecer contexto para alguns dos dados de demanda encontrados em um conjunto de dados de séries temporais de destino que representa as vendas de e-Readers pretos da Amazon com 32 GB de armazenamento. Como essas características não mudam de day-to-day ou hour-to-hour, elas pertencem a um conjunto de dados de metadados do item.

Os metadados de itens são úteis para descobrir e rastrear padrões descritivos em seus dados de séries temporais. Se você incluir um conjunto de dados de metadados de itens no seu grupo de conjuntos de dados, o Forecast poderá treinar o modelo para fazer previsões mais precisas com base em semelhanças entre os itens. Por exemplo, você poderá achar que os produtos de assistente virtual fabricados pela Amazon são mais propensos a vender do que aqueles criados por outras empresas e planejar sua cadeia de suprimentos adequadamente.

Os metadados de itens são especialmente úteis em cenários de previsão coldstart, nos quais você tem poucos dados históricos diretos com os quais fazer previsões, mas tem dados históricos em itens com atributos de metadados semelhantes. Os metadados de itens permitem que o Forecast aproveite itens semelhantes aos seus itens coldstart para produzir uma previsão.

Quando você inclui metadados de itens, o Forecast cria previsões coldstart com base em séries temporais semelhantes, o que pode criar uma previsão mais precisa. As previsões coldstart são geradas para itens que estão no conjunto de dados de metadados de itens, mas não na série temporal final. Primeiro, o Forecast gera previsões para os itens não coldstart, que são itens com dados históricos na série temporal final. Em seguida, para cada item coldstart, são localizados seus vizinhos mais próximos que usam o conjunto de dados de metadados de itens. Em seguida, esses vizinhos mais próximos são usados para criar uma previsão coldstart.

Cada linha em um conjunto de dados de metadados de itens pode conter até 10 campos de metadados, um dos quais deve ser um campo de identificação para corresponder os metadados a um item na série temporal de destino. Assim como acontece com todos os tipos de conjuntos de dados, os valores de cada campo são designados por um esquema de conjunto de dados.

Cadernos Python

Para obter um step-by-step guia sobre como usar metadados de itens, consulte Incorporação de metadados de itens.

Exemplo: arquivo de metadados de itens e esquema

A tabela a seguir mostra uma seção de um arquivo de conjunto de dados de metadados de itens configurado corretamente que descreve os e-Readers da Amazon. Para este exemplo, suponha que a linha de cabeçalho representa o esquema do conjunto de dados e que cada item listado está em um conjunto de dados de série temporal de destino correspondente.

item_id	brand	model	color	waterproof
1	amazon	paperwhite	preta	sim
2	amazon	paperwhite	blue	sim
3	amazon	base_model	preta	não
4	amazon	base_model	white	não
...

A seguir estão as mesmas informações representadas no CSV formato.

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

A seguir está o esquema para este conjunto de dados de exemplo.

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

Preditores antigos e metadados de itens

nota

Para atualizar um preditor existente para AutoPredictor, consulte Atualizando para AutoPredictor

Ao usar um preditor legado, você pode usar metadados do item ao treinar um preditor com os algoritmos CNN-QR ou DeepAR+. Ao usar o AutoML, você pode fornecer metadados de itens, e o Forecast usará essas séries temporais apenas quando aplicável.

Consulte também

Para uma explicação detalhada sobre o uso de conjuntos de dados de metadados de itens, consulte Incorporando conjuntos de dados de metadados de itens em seu preditor no Amazon Forecast Samples Repository. GitHub