Aikasarjaennuste tarkoittaa prosessia, jolla ennustetaan aikasarjadatan tulevat arvot (tiedot, joita kerätään säännöllisin väliajoin ajan mittaan). Yksinkertaisissa menetelmissä aikasarjaennusteissa käytetään saman muuttujan historiallisia arvoja, joiden tulevat arvot on ennakoitava, kun taas monimutkaisemmissa koneoppimiseen (ML) perustuvissa menetelmissä käytetään lisätietoa, kuten toisiinsa liittyvien muuttujien aikasarjatietoja.
Amazonin sääennuste on ML-pohjainen aikasarjaennustepalvelu, joka sisältää algoritmeja, jotka perustuvat yli 20 vuoden ennustekokemukseen. Amazon.com, joka tuo saman Amazonissa käytetyn teknologian kehittäjille täysin hallituksi palveluksi, mikä poistaa resurssien hallinnan tarpeen. Forecast käyttää ML:ää oppiakseen paitsi parhaan algoritmin jokaiselle kohteelle, myös kunkin kohteen parhaan algoritmijoukon, luoden automaattisesti parhaan mallin tiedoillesi.
Tässä viestissä kuvataan toistuvien ennustetyökuormien (aikasarjaennusteiden työkuormien) käyttöönotto ilman koodia käyttämällä AWS-pilven muodostuminen, AWS-vaihetoiminnotja AWS-järjestelmien päällikkö. Tässä esitelty menetelmä auttaa sinua rakentamaan putkilinjan, jonka avulla voit käyttää samaa työnkulkua aikasarjan ennustekokeilun ensimmäisestä päivästä mallin käyttöönottoon tuotantoon asti.
Aikasarjaennuste Forecastin avulla
Ennusteen työnkulku sisältää seuraavat yleiset käsitteet:
- Tietojoukkojen tuonti – Ennusteessa a tietojoukoryhmä on kokoelma tietojoukkoja, skeemoja ja ennustetuloksia, jotka liittyvät yhteen. Kussakin tietojoukkoryhmässä voi olla enintään kolme tietojoukkoa, yksi jokaisesta aineisto tyyppi: kohdeaikasarjat (TTS), liittyvät aikasarjat (RTS) ja kohteen metatiedot. Tietojoukko on kokoelma tiedostoja, jotka sisältävät ennustetehtävän kannalta olennaista tietoa. Tietojoukon on oltava Forecastissa määritetyn skeeman mukainen. Katso lisätietoja osoitteesta Tietojoukkojen tuonti.
- Koulutuksen ennustajat - ennustaja on Forecast-koulutettu malli, jota käytetään aikasarjatietoihin perustuvien ennusteiden tekemiseen. Harjoittelun aikana Forecast laskee tarkkuusmittareita, joita käytät ennustajan arvioimiseen ja päättämiseen, käytetäänkö ennustajaa ennusteen luomiseen. Lisätietoja on kohdassa Ennustajien koulutus.
- Ennusteiden luominen – Tämän jälkeen voit käyttää harjoitettua mallia ennusteiden luomiseen tulevalle aikahorisontille, joka tunnetaan nimellä ennustehorisontti. Ennuste tarjoaa ennusteita eri määritetyille kvantiileille. Esimerkiksi kvantiilin 0.90 ennuste arvioi arvon, joka on pienempi kuin havaittu arvo 90 % ajasta. Oletusarvoisesti Ennuste käyttää seuraavia arvoja ennustavan ennusteen tyypeille: 0.1 (P10), 0.5 (P50) ja 0.9 (P90). Eri kvantiilien ennusteita käytetään tyypillisesti antamaan ennusteväli (ennusteiden ylä- ja alaraja) ennusteen epävarmuuden huomioon ottamiseksi.
Voit ottaa tämän työnkulun käyttöön Ennusteessa joko AWS-hallintakonsoli, The AWS-komentoriviliitäntä (AWS CLI), kautta API-kutsut Python-muistikirjoillatai automaatioratkaisujen kautta. The console ja AWS CLI menetelmät sopivat parhaiten nopeaan kokeiluun, jotta voidaan tarkistaa aikasarjaennusteiden toteutettavuus tietojesi avulla. Python-muistikirjamenetelmä sopii erinomaisesti datatieteilijöille, jotka tuntevat Jupyter-muistikirjat ja koodauksen, ja tarjoaa maksimaalisen ohjauksen ja virityksen. Muistikirjapohjaista menetelmää on kuitenkin vaikea toteuttaa. Automaatiomenetelmämme mahdollistaa nopean kokeilun, eliminoi toistuvia tehtäviä ja helpottaa siirtymistä eri ympäristöistä (kehitys, lavastus, tuotanto).
Tässä viestissä kuvaamme automaatiomenetelmää Forecastin käyttämiseen, jonka avulla voit käyttää omia tietojasi ja tarjoaa yhden työnkulun, jota voit käyttää saumattomasti ennusteratkaisusi kehittämisen koko elinkaaren ajan ensimmäisistä kokeilupäivistä käyttöönottoon asti. ratkaisusta tuotantoympäristössäsi.
Ratkaisun yleiskatsaus
Seuraavissa osissa kuvataan täydellinen päästä päähän -työnkulku, joka toimii mallina, jota seurataan aikasarjaennustemallien automaattisessa käyttöönotossa Forecastin avulla. Tämä työnkulku luo ennustetut tietopisteet avoimen lähdekoodin syöttötietojoukosta; Voit kuitenkin käyttää samaa työnkulkua omille tiedoillesi, kunhan voit muotoilla tietosi tässä viestissä kuvattujen vaiheiden mukaisesti. Kun olet ladannut tiedot, opastamme sinut läpi vaiheet, joilla voit luoda ennustetietojoukkoryhmiä, tuoda tietoja, kouluttaa ML-malleja ja tuottaa ennustettuja datapisteitä tulevaisuuden näkymättömistä aikahorisonteista raakatiedoista. Kaikki tämä on mahdollista ilman koodin kirjoittamista tai kääntämistä.
Seuraava kaavio havainnollistaa ennustamisen työnkulkua.
Ratkaisu otetaan käyttöön käyttämällä kahta CloudFormation-mallia: riippuvuusmallia ja työkuormitusmallia. CloudFormationin avulla voit suorittaa AWS-infrastruktuurin käyttöönottoja ennustettavasti ja toistuvasti käyttämällä malleja, jotka kuvaavat käyttöön otettavat resurssit. Käytettyä mallia kutsutaan a pino. Olemme määrittäneet ratkaisun infrastruktuurin puolestasi kahdessa toimitetussa mallissa. Riippuvuusmalli määrittää työkuormitusmallin käyttämät resurssit, kuten esim Amazonin yksinkertainen tallennuspalvelu (Amazon S3) ämpäri esineiden säilytykseen ja AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) käyttöoikeudet AWS API -toimintoihin. Riippuvuusmallissa määritellyt resurssit voidaan jakaa useiden työkuormamallien kesken. Työkuormitusmalli määrittää resurssit, joita käytetään tietojen keräämiseen, ennustajan kouluttamiseen ja ennusteen luomiseen.
Ota käyttöön riippuvuuksien CloudFormation-malli
Otetaan ensin käyttöön riippuvuusmalli, jotta voimme luoda resurssit. Riippuvuusmalli ottaa käyttöön valinnaisen S3-ryhmän, AWS Lambda toimintoja ja IAM-rooleja. Amazon S3 on edullinen, erittäin saatavilla oleva, joustava objektin tallennuspalvelu. Käytämme tässä ratkaisussa S3-ämpäriä lähdetietojen tallentamiseen ja työnkulun käynnistämiseen, mikä johtaa ennusteeseen. Lambda on palvelimeton, tapahtumaohjattu laskentapalvelu, jonka avulla voit suorittaa koodia ilman palvelimien hallintaa tai hallintaa. Riippuvuusmalli sisältää toimintoja, joilla voit tehdä esimerkiksi tietojoukkoryhmän luomisen Ennusteissa ja tyhjentää S3-säihön objektit ennen ryhmän poistamista. IAM-roolit määrittävät AWS:n käyttöoikeudet käyttäjille ja palveluille. Riippuvuusmalli ottaa käyttöön roolin, jota Lambda käyttää, ja toisen roolin Step Functionsille, työnkulun hallintapalvelulle, joka koordinoi tietojen keräämisen ja käsittelyn tehtäviä sekä ennustajakoulutusta ja päätelmiä Forecastin avulla.
Ota riippuvuusmalli käyttöön suorittamalla seuraavat vaiheet:
- Valitse konsolista haluamasi Ennusteen tukema alue ratkaisun käyttöönottoa varten.
- Valitse AWS CloudFormation -konsolista Stacks navigointipaneelissa.
- Valita Luo pino Ja valitse Uusilla resursseilla (vakio).
- varten Mallin lähdevalitse Amazon S3 URL -osoite.
- Anna mallin URL-osoite:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-dependency.yaml
. - Valita seuraava.
- varten Pino nimi, tulla sisään
forecast-mlops-dependency
. - Alle parametrit, valitse, haluatko käyttää olemassa olevaa S3-säilöä tai luoda uuden, ja anna sitten ryhmän nimi.
- Valita seuraava.
- Valita seuraava hyväksyäksesi oletuspinoasetukset.
- Valitse valintaruutu vahvistaaksesi, että pino luo IAM-resursseja, ja valitse sitten Luo pino ottaaksesi mallin käyttöön.
Sinun pitäisi nähdä mallin käyttöönotto muodossa forecast-mlops-dependency
pino. Kun tila muuttuu muotoon CREATE_COMPLETE
, voit siirtyä seuraavaan vaiheeseen.
Ota käyttöön työkuorman CloudFormation-malli
Seuraavaksi otetaan käyttöön työkuormitusmalli, jotta voimme luoda edellytyksiämme. Työkuormamalli ottaa käyttöön Step Functions -tilakoneita työnkulun hallintaan, AWS Systems Manager -parametrikauppa parametrit parametriarvojen tallentamiseksi AWS CloudFormationista ja työnkulun tiedottamiseen Amazonin yksinkertainen ilmoituspalvelu (Amazon SNS) -aihe työnkulkuilmoituksille ja IAM-rooli työnkulun palvelun käyttöoikeuksille.
Ratkaisu luo viisi tilakonetta:
- CreateDatasetGroupStateMachine – Luo ennustetietojoukkoryhmän dataa varten, johon tuodaan.
- CreateImportDatasetStateMachine – Tuo lähdetiedot Amazon S3:sta tietojoukkoryhmään koulutusta varten.
- Luo ForecastStateMachine – Hallitsee tehtäviä, joita tarvitaan ennustajan kouluttamiseen ja ennusteen luomiseen.
- AthenaConnectorStateMachine – Mahdollistaa SQL-kyselyjen kirjoittamisen Amazon Athena liitin maatietoihin Amazon S3:ssa. Tämä on valinnainen prosessi historiallisten tietojen hankkimiseksi Forecastille vaaditussa muodossa käyttämällä Athenetta sen sijaan, että tiedostoja asetetaan manuaalisesti Amazon S3:een.
- StepFunctionWorkflowStateMachine – Koordinoi kutsuja neljälle muulle tilakoneelle ja hallitsee yleistä työnkulkua.
Parameter Store, Systems Managerin ominaisuus, tarjoaa turvallisen, hierarkkisen tallennustilan ja konfiguraatiotietojen hallinnan ja salaisuuksien hallinnan ohjelmallisen noudon. Parametrivarastoa käytetään työkuormituspinoon asetettujen parametrien sekä muiden työnkulun käyttämien parametrien tallentamiseen.
Ota työkuormamalli käyttöön suorittamalla seuraavat vaiheet:
- Valitse AWS CloudFormation -konsolista Stacks navigointipaneelissa.
- Valita Luo pino Ja valitse Uusilla resursseilla (vakio).
- varten Mallin lähdevalitse Amazon S3 URL -osoite.
- Anna mallin URL-osoite:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-solution-guidance.yaml
. - Valita seuraava.
- varten Pino nimi, kirjoita nimi.
- Hyväksy oletusarvot tai muokkaa parametreja.
Muista kirjoittaa S3-säilön nimi riippuvuuspinosta kohteelle S3 Kauha ja voimassa oleva sähköpostiosoite SNSEndpoint vaikka hyväksyisit parametrien oletusarvot.
Seuraavassa taulukossa kuvataan jokainen parametri.
Parametri | Kuvaus | Lisätietoja |
DatasetGroupFrequencyRTS |
RTS-tietojoukon tiedonkeruun tiheys. | . |
DatasetGroupFrequencyTTS |
TTS-tietojoukon tiedonkeruun tiheys. | . |
DatasetGroupName |
Lyhyt nimi tietojoukkoryhmälle, itsenäinen työkuorma. | CreateDatasetGroup |
DatasetIncludeItem |
Määritä, haluatko antaa nimikkeen metatiedot tälle käyttötapaukselle. | . |
DatasetIncludeRTS |
Määritä, haluatko tarjota tähän käyttötapaukseen liittyvän aikasarjan. | . |
ForecastForecastTypes |
Kun CreateForecast-työ suoritetaan, tämä ilmoittaa, mille kvantiileille ennusteet luodaan. Voit valita enintään viisi arvoa tästä taulukosta. Muokkaa tätä arvoa niin, että se sisältää arvot tarpeen mukaan. | Luo ennuste |
PredictorAttributeConfigs |
TTS:n kohdemuuttujalle ja jokaiselle RTS-tietojoukon numeeriselle kenttään on luotava tietue kullekin aikavälille kullekin kohteelle. Tämä määritys auttaa määrittämään, kuinka puuttuvat tietueet täytetään: 0:lla, NaN:llä vai muulla tavalla. Suosittelemme, että TTS:n aukot täytetään NaN:lla arvon 0 sijaan. Jos arvo on 0, malli saattaa oppia vääristämään ennusteita nollaa kohti. NaN on tapa, jolla opastus toimitetaan. Ota yhteyttä AWS Solutions -arkkitehtiin, jos sinulla on kysyttävää tästä asiasta. | Luo AutoPredictor |
PredictorExplainPredictor |
Kelvolliset arvot ovat TRUE tai FALSE. Nämä määrittävät, onko selitettävyys käytössä ennustajassasi. Tämä voi auttaa sinua ymmärtämään, kuinka RTS:n arvot ja kohteen metatiedot vaikuttavat malliin. | Selitettävyys |
PredictorForecastDimensions |
Voit halutessasi ennustaa kappaletta hienompaa rakeisuutta. Täällä voit määrittää mitat, kuten sijainnin, kustannuspaikan tai mitä tahansa tarvitset. Tämän on sovittava RTS:n ja TTS:n mittoihin. Huomaa, että jos sinulla ei ole mittaa, oikea parametri on tyhjä, sinänsä ja pienillä kirjaimilla. null on varattu sana, jonka avulla järjestelmä tietää, ettei dimensiolle ole parametria. | Luo AutoPredictor |
PredictorForecastFrequency |
Määrittää aika-asteikon, jolla mallisi ja ennusteet luodaan, kuten päivittäin, viikoittain tai kuukausittain. Pudotusvalikosta voit valita sallitut arvot. Tämän on sovittava RTS-aika-asteikkoon, jos käytät RTS:ää. | Luo AutoPredictor |
PredictorForecastHorizon |
Aikavaiheiden määrä, jonka malli ennustaa. Ennustehorisonttia kutsutaan myös nimellä ennusteen pituus. | Luo AutoPredictor |
PredictorForecastOptimizationMetric |
Määrittää tarkkuusmittarin, jota käytetään ennustajan optimointiin. Pudotusvalikko auttaa sinua valitsemaan painotetut kvantiilitappiosaldot yli- tai aliennustetta varten. RMSE on huolissaan yksiköistä ja WAPE/MAPE prosenttivirheistä. | Luo AutoPredictor |
PredictorForecastTypes |
Kun CreateAutoPredictor työajoja, tämä ilmoittaa, mitä kvantileja käytetään ennustepisteiden kouluttamiseen. Voit valita enintään viisi arvoa tästä taulukosta, jolloin voit tasapainottaa yli- ja aliennusteita. Muokkaa tätä arvoa niin, että se sisältää arvot tarpeen mukaan. |
Luo AutoPredictor |
S3Bucket |
Sen S3-ryhmän nimi, johon syöttö- ja lähtötiedot kirjoitetaan tätä työkuormaa varten. | . |
SNSEndpoint |
Kelvollinen sähköpostiosoite, johon lähetetään ilmoituksia, kun ennakointi- ja ennustetyöt ovat valmiit. | . |
SchemaITEM |
Tämä määrittää tuotteen metatietotietojoukon fyysisen järjestyksen, sarakkeiden nimet ja tietotyypit. Tämä on valinnainen tiedosto ratkaisuesimerkissä. | Luo tietojoukko |
SchemaRTS |
Tämä määrittää RTS-tietojoukon fyysisen järjestyksen, sarakkeiden nimet ja tietotyypit. Mittojen on oltava TTS:n mukaisia. Tämän tiedoston aikajyvä ohjaa aikajyvää, jolla ennusteita voidaan tehdä. Tämä on valinnainen tiedosto ratkaisuesimerkissä. | Luo tietojoukko |
SchemaTTS |
Tämä määrittää fyysisen järjestyksen, sarakkeiden nimet ja tietotyypit TTS-tietojoukolle, joka on ainoa vaadittu tietojoukko. Tiedostossa on oltava vähintään kohdearvo, aikaleima ja kohde. | Luo tietojoukko |
TimestampFormatRTS |
Määrittää RTS-tiedoston aikaleimamuodon. | CreateDatasetImportJob |
TimestampFormatTTS |
Määrittää TTS-tiedoston aikaleimamuodon. | CreateDatasetImportJob |
- Valita seuraava hyväksyäksesi oletuspinoasetukset.
- Valitse valintaruutu vahvistaaksesi, että pino luo IAM-resursseja, ja valitse sitten Luo pino ottaaksesi mallin käyttöön.
Sinun pitäisi nähdä mallin käyttöönotto aiemmin valitsemasi pinon nimenä. Kun tila muuttuu muotoon CREATE_COMPLETE
, voit siirtyä tietojen latausvaiheeseen.
Lataa tiedot
Edellisessä osiossa annoit pinon nimen ja S3-alueen. Tässä osiossa kuvataan, kuinka julkisesti saatavilla oleva tietojoukko tallennetaan Ruoan kysyntä tässä ämpäri. Jos käytät omaa tietojoukkoasi, katso aineistot valmistelemaan tietojoukkosi käyttöönoton odotetussa muodossa. Tietojoukon on sisällettävä vähintään kohdeaikasarja ja valinnaisesti siihen liittyvät aikasarjat ja kohteen metatiedot:
- TTS on aikasarjatieto, joka sisältää kentän, jolle haluat luoda ennusteen. tätä kenttää kutsutaan nimellä kohdekenttä
- RTS on aikasarjatietoa, joka ei sisällä kohdekenttää, mutta sisältää siihen liittyvän kentän
- Nimiketietotiedosto ei ole aikasarjadataa, vaan se sisältää metatietotietoja TTS- tai RTS-tietojoukon kohteista
Suorita seuraavat vaiheet:
- Jos käytät toimitettua esimerkkitietojoukkoa, lataa tietojoukko Ruoan kysyntä tietokoneellesi ja pura tiedosto, jolloin luodaan kolme tiedostoa kolmeen hakemistoon (
rts
,tts
,item
). - Siirry Amazon S3 -konsolissa aiemmin luomaasi ryhmään.
- Valita luo kansio.
- Käytä samaa merkkijonoa kuin työkuorman pinon nimi kansion nimessä.
- Valita Lataa.
- Valitse kolme tietojoukkokansiota ja valitse sitten Lataa.
Kun lataus on valmis, sinun pitäisi nähdä jotain seuraavan kuvakaappauksen kaltaista. Tässä esimerkissä kansiomme on aiml42
.
Luo ennustetietojoukkoryhmä
Suorita tämän osan vaiheet luodaksesi tietojoukkoryhmän kertaluonteiseksi tapahtumaksi kullekin työkuormille. Jatkossa sinun tulee suunnitella tuontitietojen suorittamista, ennusteen luomista ja ennustevaiheiden luomista tarpeen mukaan sarjana aikataulusi mukaan, joka voi olla päivittäin, viikoittain tai muuten.
- Etsi Step Functions -konsolista tilakone, joka sisältää
Create-Dataset-Group
. - Valitse tilakoneen tietosivulla Aloita suoritus.
- Valita Aloita suoritus vahvista uudelleen.
Tilakoneen käynnistyminen kestää noin minuutin. Kun se on valmis, arvo alle Suorituksen tila pitäisi muuttua Running että onnistui
Tuo tiedot Forecastiin
Noudata tämän osion ohjeita tuodaksesi S3-säilöisi lataamasi tietojoukon tietojoukkoryhmääsi:
- Etsi Step Functions -konsolista tilakone, joka sisältää
Import-Dataset
. - Valitse tilakoneen tietosivulla Aloita suoritus.
- Valita Aloita suoritus vahvista uudelleen.
Tilakoneen suorittamiseen kuluva aika riippuu käsiteltävästä tietojoukosta.
- Kun tämä on käynnissä, avaa selaimessasi toinen välilehti ja siirry Ennuste-konsoliin.
- Valitse Ennustekonsolissa Näytä tietojoukkoryhmät ja siirry tietojoukkoryhmään, jonka nimi on määritetty
DataGroupName
työmäärästäsi. - Valita Näytä tietojoukot.
Tietojen tuonnin pitäisi näkyä käynnissä.
Kun valtion kone Import-Dataset
on valmis, voit siirtyä seuraavaan vaiheeseen aikasarjatietomallin rakentamiseksi.
Luo AutoPredictor (kouluta aikasarjamalli)
Tässä osiossa kuvataan, kuinka alustava ennustaja koulutetaan ennusteen avulla. Voit luoda uuden ennustajan (ensimmäisen perustason ennustajan) tai kouluttaa ennustajan uudelleen jokaisen tuotantojakson aikana, joka voi olla päivittäin, viikoittain tai muulla tavalla. Voit myös päättää olla luomatta ennustajaa jokaiseen sykliin ja luottaa ennustajan seurantaan, joka opastaa sinua luomaan sellainen. Seuraava kuva havainnollistaa tuotantovalmiiden ennusteen ennustajan luomisprosessia.
Voit luoda uuden ennustajan suorittamalla seuraavat vaiheet:
- Etsi Step Functions -konsolista tilakone, joka sisältää
Create-Predictor
. - Valitse tilakoneen tietosivulla Aloita suoritus.
- Valita Aloita suoritus vahvista uudelleen.
Suoritusajan määrä voi riippua käsiteltävästä tietojoukosta. Tämän suorittaminen voi kestää tunnin tai enemmän. - Kun tämä on käynnissä, avaa selaimessasi toinen välilehti ja siirry Ennuste-konsoliin.
- Valitse Ennustekonsolissa Näytä tietojoukkoryhmät ja siirry tietojoukkoryhmään, jonka nimi on määritetty
DataGroupName
työmäärästäsi. - Valita Näytä ennustajat.
Sinun pitäisi nähdä ennustavan harjoituksen meneillään (harjoituksen tila näyttää "Luo käynnissä...").
Kun valtion kone Create-Predictor
on valmis, voit arvioida sen suorituskykyä.
Osana tilakonetta järjestelmä luo ennustajan ja suorittaa myös a BacktestExport
työ, joka kirjoittaa aikasarjatason ennustajamittauksia Amazon S3:lle. Nämä ovat tiedostoja, jotka sijaitsevat kahdessa S3-kansiossa backtest-export
kansio:
- tarkkuus-metriikka-arvot – Tarjoaa kohdetason tarkkuusmetrilaskelmia, jotta voit ymmärtää yksittäisen aikasarjan suorituskyvyn. Näin voit tutkia leviämistä sen sijaan, että keskittyisit pelkästään globaaleihin mittareihin.
- ennustetut arvot – Tarjoaa askeltason ennusteita jokaiselle aikasarjalle backtest-ikkunassa. Tämän avulla voit verrata todellista tavoitearvoa pitotestijoukosta ennustettuihin kvantiiliarvoihin. Tämän tarkistaminen auttaa muotoilemaan ideoita siitä, miten RTS:ssä tai kohteen metadatassa voidaan tarjota lisätietoominaisuuksia, jotka auttavat arvioimaan paremmin tulevaisuuden arvoja ja vähentämään menetyksiä entisestään. Voit ladata
backtest-export
tiedostot Amazon S3:sta tai tiedustele niitä paikallaan Athenalla.
Omilla tiedoillasi sinun on tarkastettava tarkasti ennustajan tulokset ja varmistettava, että mittarit vastaavat odotettuja tuloksia käyttämällä backtest-vientitietoja. Kun olet tyytyväinen, voit alkaa luoda tulevaisuuteen päivättyjä ennusteita seuraavassa osiossa kuvatulla tavalla.
Luo ennuste (päätelmä tulevista aikahorisonteista)
Tässä osiossa kuvataan ennustetietopisteiden luominen ennusteella. Jatkossa sinun tulee kerätä uutta dataa lähdejärjestelmästä, tuoda tiedot Forecastiin ja luoda sitten ennustetietopisteitä. Vaihtoehtoisesti voit myös lisätä uuden ennustajan luomisen tuonnin jälkeen ja ennen ennustetta. Seuraava kuva havainnollistaa tuotannon aikasarjaennusteiden luomisprosessia Forecastin avulla.
Suorita seuraavat vaiheet:
- Etsi Step Functions -konsolista tilakone, joka sisältää
Create-Forecast
. - Valitse tilakoneen tietosivulla Aloita suoritus.
- Valita Aloita suoritus vahvista uudelleen.
Tämä tilakone valmistuu hyvin nopeasti, koska järjestelmää ei ole määritetty luomaan ennustetta. Se ei tiedä, minkä ennustajamallin olet hyväksynyt päätelmään.
Määritetään järjestelmä käyttämään koulutettua ennustajaasi. - Etsi Ennuste-konsolista ennustajasi ARN.
- Kopioi ARN käytettäväksi myöhemmässä vaiheessa.
- Avaa selaimessasi toinen välilehti ja siirry Systems Manager -konsoliin.
- Valitse Systems Manager -konsolissa Parametrikauppa navigointipaneelissa.
- Etsi pinoon liittyvä parametri (
/forecast/<StackName>/Forecast/PredictorArn
). - Kirjoita ennustajaasi varten kopioimasi ARN.
Näin yhdistät koulutetun ennustajan Ennusteen päättelyfunktioon. - Paikanna parametri
/forecast/<StackName>/Forecast/Generate
ja muokkaa arvoa korvaamallaFALSE
withTRUE
.
Nyt olet valmis suorittamaan ennustetyön tälle tietojoukkoryhmälle. - Suorita Step Functions -konsolissa
Create-Forecast
valtion kone.
Tällä kertaa työ sujuu odotetusti. Osana tilakonetta järjestelmä luo ennusteen ja a ForecastExport
työ, joka kirjoittaa aikasarjaennusteita Amazon S3:lle. Nämä tiedostot sijaitsevat forecast
kansio
Sisällä forecast
-kansiosta löydät ennusteita tuotteillesi, jotka sijaitsevat useissa CSV- tai Parquet-tiedostoissa valinnastasi riippuen. Jokaisen aikavaiheen ja valitun aikasarjan ennusteet ovat olemassa kaikilla valitsemillasi kvantiiliarvoilla tietuekohtaisesti. Voit ladata nämä tiedostot Amazon S3:sta, tiedustella niitä paikallaan Athenalla tai valita toisen strategian tietojen käyttämiseksi.
Tämä päättää koko työnkulun. Voit nyt visualisoida tuloksesi millä tahansa haluamallasi visualisointityökalulla, kuten Amazon QuickSight. Vaihtoehtoisesti datatutkijat voivat käyttää pandoja omien juoniensa luomiseen. Jos päätät käyttää QuickSightia, voit yhdistä ennustetulokset QuickSightiin suorittaaksesi datamuunnoksia, luodaksesi yhden tai useamman data-analyysin ja luoda visualisointeja.
Tämä prosessi tarjoaa mallin, jota seurata. Sinun on mukautettava näyte skeemaasi, asetettava ennustehorisontti, aikaresoluutio ja niin edelleen käyttötapasi mukaan. Sinun on myös asetettava toistuva aikataulu, jossa tiedot kerätään lähdejärjestelmästä, tuoda tiedot ja laadittava ennusteita. Halutessasi voit lisätä ennakointitehtävän tuonti- ja ennustevaiheiden väliin.
Opeta ennustaja uudelleen
Olemme käyneet läpi uuden ennustajan koulutusprosessin, mutta entä ennustajan uudelleenkoulutus? Ennustajan uudelleenkouluttaminen on yksi tapa vähentää kustannuksia ja aikaa, joka liittyy ennustajan kouluttamiseen uusimpien saatavilla olevien tietojen perusteella. Sen sijaan, että luomme uuden ennustajan ja harjoittelemme sitä koko tietojoukolle, voimme opettaa nykyisen ennustajan uudelleen antamalla vain uudet lisätiedot, jotka ovat olleet saatavilla ennustajan edellisen harjoittelun jälkeen. Käydään läpi, kuinka ennustaja koulutetaan uudelleen automaatioratkaisun avulla:
- Valitse Ennustekonsolissa Näytä tietojoukkoryhmät.
- Valitse uudelleenopetettavaan ennustajaan liittyvä tietojoukkoryhmä.
- Valita Näytä ennustajat, ja valitse sitten ennustaja, jonka haluat kouluttaa uudelleen.
- On Asetukset -välilehti, kopioi ennustaja ARN.
Meidän on päivitettävä työnkulun käyttämä parametri uudelleenopetettavan ennustajan tunnistamiseksi. - Valitse Systems Manager -konsolissa Parametrikauppa navigointipaneelissa.
- Paikanna parametri
/forecast/<STACKNAME>/Forecast/Predictor/ReferenceArn
. - Valitse parametritietosivulta muokata.
- varten Arvo, syötä ennustaja ARN.
Tämä identifioi oikean ennustajan työnkululle uudelleenkoulutettavalle. Seuraavaksi meidän on päivitettävä parametri, jota työnkulku käyttää koulutusstrategian muuttamiseksi. - Paikanna parametri
/forecast/<STACKNAME>/Forecast/Predictor/Strategy
. - Valitse parametrin tietosivulta Muokkaa.
- Syötä kohtaan Arvo
RETRAIN
.
Työnkulun oletusarvo on uuden ennustajan koulutus; voimme kuitenkin muokata tätä käyttäytymistä kouluttaaksemme uudelleen olemassa olevan ennustajan tai yksinkertaisesti käyttää olemassa olevaa ennustajaa uudelleen ilman uudelleenkoulutusta asettamalla tämän arvonNONE
. Harjoittelusta kannattaa luopua, jos tietosi ovat suhteellisen vakaat tai käytät automaattinen ennustajavalvonta päättää milloin uudelleenkoulutus on tarpeen. - Lataa inkrementaaliset harjoitustiedot S3-ämpäriin.
- Paikanna tilakone Step Functions -konsolista
<STACKNAME>-Create-Predictor
. - Valitse tilakoneen tietosivulla Aloita suoritus uudelleenkoulutuksen aloittamiseen.
Kun uudelleenkoulutus on valmis, työnkulku päättyy ja saat SNS-sähköposti-ilmoituksen työkuormamallin parametreissa annettuun sähköpostiosoitteeseen.
Puhdistaa
Kun olet tehnyt tämän ratkaisun, poista aiheeseen liittyvät resurssit noudattamalla tämän osion ohjeita.
Poista S3-ämpäri
- Valitse Amazon S3 -konsolissa kauhat navigointipaneelissa.
- Valitse ryhmä, johon tiedot lähetettiin, ja valitse Tyhjä poistaaksesi kaikki ratkaisuun liittyvät tiedot, mukaan lukien lähdetiedot.
- enter
permanently delete
poistaaksesi kauhan sisällön pysyvästi. - On kauhat sivu, valitse ämpäri ja valitse Poista.
- Vahvista poisto kirjoittamalla ryhmän nimi ja valitse Poista ryhmä.
Poista ennusteresurssit
- Valitse Ennustekonsolissa Näytä tietojoukkoryhmät.
- Valitse ratkaisuun liittyvä tietojoukkoryhmän nimi ja valitse sitten Poista.
- enter
delete
poistaaksesi tietojoukkoryhmän ja siihen liittyvät ennustajat, ennustajan backtest-vientityöt, ennusteet ja ennustevientityöt. - Valita Poista vahvistaa.
Poista CloudFormation-pinot
- Valitse AWS CloudFormation -konsolista Stacks navigointipaneelissa.
- Valitse työkuormituspino ja valitse Poista.
- Valita Poista pino vahvistaaksesi pinon ja kaikkien siihen liittyvien resurssien poistamisen.
- Kun poisto on valmis, valitse riippuvuuksien pino ja valitse Poista.
- Valita Poista vahvistaa.
Yhteenveto
Tässä viestissä keskustelimme eri tavoista aloittaa Forecastin käyttö. Kävimme läpi AWS CloudFormationiin perustuvan automatisoidun ennusteratkaisun, joka mahdollistaa Forecast-putkilinjan nopean ja toistettavan ratkaisun käyttöönoton tiedon keräämisestä päättelyyn ilman, että tarvittiin vähän infrastruktuuritietoa. Lopuksi näimme, kuinka voimme käyttää Lambdaa mallin uudelleenkoulutuksen automatisointiin, mikä vähentää kustannuksia ja koulutusaikaa.
Ei ole parempaa aikaa kuin nyt aloittaa ennustaminen Forecastin avulla. Aloita automatisoidun työnkulun rakentaminen ja käyttöönotto vierailemalla osoitteessa Amazon Forecast -resurssit. Hyvää ennustamista!
Tietoja Tekijät
Aaron Fagan on pääasiantuntijaratkaisujen arkkitehti AWS:ssä New Yorkissa. Hän on erikoistunut auttamaan asiakkaita suunnittelemaan ratkaisuja koneoppimisen ja pilviturvallisuuden alalla.
Raju Patil on tietotutkija AWS-asiantuntijapalveluissa. Hän rakentaa ja ottaa käyttöön AI/ML-ratkaisuja auttaakseen AWS-asiakkaita selviytymään liiketoiminnan haasteistaan. Hänen AWS-toimintansa ovat kattaneet laajan valikoiman tekoälyn/ML-käyttötapauksia, kuten tietokonenäköä, aikasarjaennusteita ja ennakoivaa analytiikkaa jne. useilla toimialoilla, mukaan lukien rahoituspalvelut, televiestintä, terveydenhuolto ja monet muut. Tätä ennen hän on johtanut mainontateknologian datatieteen ryhmiä ja osallistunut merkittävästi useisiin tietokonenäön ja robotiikan tutkimus- ja kehityshankkeisiin. Työn ulkopuolella hän nauttii valokuvaamisesta, patikoinnista, matkustamisesta ja kulinaarisista tutkimusretkistä.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoAiStream. Web3 Data Intelligence. Tietoa laajennettu. Pääsy tästä.
- Tulevaisuuden lyöminen Adryenn Ashley. Pääsy tästä.
- Osta ja myy osakkeita PRE-IPO-yhtiöissä PREIPO®:lla. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/automate-the-deployment-of-an-amazon-forecast-time-series-forecasting-model/
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 1
- 10
- 100
- 11
- 20
- 20 vuotta
- 2022
- 7
- 8
- 9
- a
- Meistä
- Hyväksyä
- pääsy
- Mukaan
- Tili
- tarkkuus
- tunnustaa
- poikki
- toimet
- sopeuttaa
- lisä-
- lisäinformaatio
- osoite
- mainonta
- Jälkeen
- uudelleen
- AI / ML
- algoritmi
- algoritmit
- Kaikki
- Salliminen
- mahdollistaa
- yksin
- jo
- Myös
- Amazon
- Amazonin sääennuste
- määrä
- an
- analyysit
- Analytics
- ja
- Toinen
- Kaikki
- api
- lähestymistapa
- sopiva
- hyväksytty
- OVAT
- Ryhmä
- AS
- auttaa
- Työtoveri
- liittyvä
- At
- automatisoida
- Automatisoitu
- automaattisesti
- Automaatio
- saatavissa
- AWS
- AWS-pilven muodostuminen
- AWS-asiantuntijapalvelut
- Backtest
- Balance
- saldot
- perustua
- Lähtötilanne
- BE
- koska
- ennen
- alkaa
- ovat
- PARAS
- Paremmin
- välillä
- puolueellisuus
- sidottu
- Laatikko
- Tuominen
- selain
- rakentaa
- Rakentaminen
- rakentaa
- liiketoiminta
- mutta
- by
- laskee
- nimeltään
- Puhelut
- CAN
- joka
- tapaus
- tapauksissa
- keskus
- haasteet
- muuttaa
- Muutokset
- tarkastaa
- valinta
- Valita
- valitsi
- valittu
- tarkasti
- pilvi
- Pilvisuojaus
- koodi
- Koodaus
- kokoelma
- Sarake
- KOM
- Yhteinen
- verrata
- täydellinen
- monimutkainen
- laskelmat
- Laskea
- tietokone
- Tietokoneen visio
- käsitteet
- huolestunut
- Konfigurointi
- Vahvistaa
- Console
- sisältää
- sisältö
- maksut
- ohjaus
- koordinoida
- korjata
- Hinta
- voisi
- katettu
- luoda
- luotu
- luo
- Luominen
- luominen
- Asiakkaat
- sykli
- syklinen
- päivittäin
- tiedot
- tiedonhallinta
- datapisteet
- tietojenkäsittely
- tietojen tutkija
- tietojoukko
- aineistot
- päivä
- päivää
- päättää
- julistaa
- oletusarvo
- oletusarvot
- määritelty
- määrittelee
- määrittelemällä
- toimitettu
- Riippuen
- riippuu
- sijoittaa
- käyttöön
- levityspinnalta
- käyttöönotto
- käyttöönotot
- lauennut
- tallettaa
- kuvata
- on kuvattu
- haluttu
- yksityiskohta
- yksityiskohdat
- Määrittää
- kehittäjille
- Kehitys
- eri
- vaikea
- Ulottuvuus
- mitat
- hakemistot
- keskusteltiin
- do
- ei
- tehty
- download
- aikana
- kukin
- Aikaisemmin
- helpompaa
- myöskään
- eliminoi
- käytössä
- mahdollistaa
- loppu
- päittäin
- varmistaa
- enter
- Koko
- ympäristö
- ympäristöissä
- virheet
- arvio
- jne.
- arvioida
- Jopa
- tapahtuma
- esimerkki
- teloitus
- olla
- olemassa
- odotettu
- odottaa
- experience
- vienti
- Helpottaa
- väärä
- tuttu
- Ominaisuudet
- ala
- Kuva
- filee
- Asiakirjat
- Arkistointi
- täynnä
- Vihdoin
- taloudellinen
- rahoituspalvelut
- Löytää
- Etunimi
- tarkennus
- seurata
- jälkeen
- varten
- Ennuste
- ennusteet
- muoto
- eteenpäin
- Eteenpäin
- neljä
- Taajuus
- alkaen
- täysin
- toiminto
- tehtävät
- edelleen
- tulevaisuutta
- tuottaa
- syntyy
- tuottaa
- saada
- Global
- Go
- menee
- hallitsee
- kaavio
- suuri
- Ryhmä
- Ryhmän
- ohjaus
- ohjaavat
- onnellinen
- sato
- Olla
- ottaa
- he
- terveys
- Terveydenhuolto
- auttaa
- auttaa
- auttaa
- tätä
- erittäin
- hänen
- historiallinen
- horisontti
- Horizons
- tunti
- Miten
- Miten
- Kuitenkin
- HTML
- http
- HTTPS
- ideoita
- tunnistaa
- tunnistaa
- Identiteetti
- if
- havainnollistaa
- toteuttaa
- tuoda
- tuonti
- in
- sisältää
- sisältää
- Mukaan lukien
- teollisuuden
- vaikutus
- ilmoittaa
- tiedot
- Infrastruktuuri
- ensimmäinen
- aloitteita
- panos
- sen sijaan
- tulee
- tutkia
- osallistuva
- IT
- kohdetta
- SEN
- itse
- Job
- Työpaikat
- jpg
- Tietää
- tuntemus
- tunnettu
- Maa
- Sukunimi
- myöhemmin
- uusin
- OPPIA
- oppiminen
- vähiten
- Led
- Led Data
- Lets
- elinkaari
- pitää
- linja
- vähän
- sijaitsevat
- sijainti
- Pitkät
- pois
- edullisia
- alentaa
- kone
- koneoppiminen
- Koneet
- tehty
- Tekeminen
- hoitaa
- onnistui
- johto
- johtaja
- hallinnoi
- toimitusjohtaja
- käsin
- monet
- maksimi
- Saattaa..
- Tavata
- valikko
- Metadata
- menetelmä
- menetelmät
- metrinen
- Metrics
- ehkä
- minimi
- minuutti
- puuttuva
- ML
- malli
- mallit
- muokata
- seuranta
- kuukausittain
- lisää
- liikkua
- moninkertainen
- täytyy
- nimi
- nimet
- Navigoida
- suunnistus
- välttämätön
- Tarve
- tarpeet
- Uusi
- New York
- seuraava
- Nro
- muistikirja
- ilmoituksen
- ilmoitukset
- nyt
- numero
- useat
- objekti
- esineet
- saada
- of
- on
- ONE
- vain
- avata
- avoimen lähdekoodin
- Optimoida
- Vaihtoehdot
- or
- tilata
- Muut
- muuten
- meidän
- ulos
- tuloksiin
- hahmoteltu
- ulostulo
- ulkopuolella
- yli
- yleinen
- oma
- sivulla
- pandas
- lasi
- parametri
- parametrit
- osa
- prosentti
- Suorittaa
- suorituskyky
- vakinaisesti
- Oikeudet
- valokuvaus
- fyysinen
- putki
- Paikka
- saattamisesta
- suunnitelma
- Platon
- Platonin tietotieto
- PlatonData
- pistettä
- mahdollinen
- Kirje
- ennusti
- ennustamiseen
- ennustus
- Ennusteet
- Ennakoiva Analytics
- Predictor
- ennustaa
- Valmistella
- esittää
- esitetty
- edellinen
- Pääasiallinen
- Aikaisempi
- prosessi
- Käsitelty
- käsittely
- tuottaa
- tuotanto
- ammatillinen
- ohjelmallinen
- Edistyminen
- toimittaa
- mikäli
- tarjoaa
- tarjoamalla
- julkisesti
- Python
- kyselyt
- kysymykset
- nopea
- nopeasti
- alue
- nopea
- pikemminkin
- raaka
- valmis
- vastaanottaa
- suositella
- ennätys
- asiakirjat
- toistuva
- vähentää
- vähentämällä
- tarkoitettuja
- viittaa
- säännöllinen
- liittyvä
- suhteellisesti
- merkityksellinen
- luottaa
- poistamalla
- toistettavissa
- TOISTUVASTI
- toistuva
- tarvitaan
- tutkimus
- tutkimus ja kehitys
- varattu
- kimmoisa
- päätöslauselma
- Esittelymateriaalit
- Saatu ja
- tulokset
- uudelleenkäyttö
- tarkistetaan
- robotiikka
- Rooli
- roolit
- ajaa
- juoksu
- sama
- Esimerkkitietojoukko
- vakuuttunut
- Asteikko
- aikataulu
- tiede
- Tiedemies
- tutkijat
- saumattomasti
- Osa
- osiot
- turvallinen
- turvallisuus
- nähdä
- valittu
- valinta
- Sarjat
- serverless
- servers
- palvelee
- palvelu
- Palvelut
- setti
- asetus
- yhteinen
- Lyhyt
- shouldnt
- Näytä
- merkittävä
- Yksinkertainen
- yksinkertaisesti
- koska
- single
- So
- ratkaisu
- Ratkaisumme
- jonkin verran
- jotain
- lähde
- asiantuntija
- erikoistunut
- määritelty
- levitä
- vakaa
- pino
- näyttämöllepano
- standardi
- Alkaa
- alkoi
- Aloita
- Osavaltio
- Tila
- Vaihe
- Askeleet
- Levytila
- verkkokaupasta
- Strategia
- jono
- rakenne
- niin
- Tuetut
- järjestelmä
- järjestelmät
- taulukko
- ottaa
- vie
- Kohde
- Tehtävä
- tehtävät
- tiimit
- Elektroniikka
- Telecom
- sapluuna
- malleja
- testi
- kuin
- että
- -
- Lähde
- Valtion
- heidän
- Niitä
- sitten
- Siellä.
- Nämä
- asiat
- tätä
- kolmella
- Kautta
- kauttaaltaan
- aika
- Aikasarja
- aikaleima
- että
- yhdessä
- työkalu
- aihe
- kohti
- Juna
- koulutettu
- koulutus
- muunnokset
- siirtyminen
- matkustaa
- laukaista
- totta
- kaksi
- tyyppi
- tyypit
- tyypillisesti
- Epävarmuus
- varten
- ymmärtää
- yksiköt
- Päivitykset
- ladattu
- URL
- käyttää
- käyttölaukku
- käytetty
- Käyttäjät
- käyttämällä
- arvo
- arvot
- eri
- hyvin
- kautta
- visio
- Vierailla
- visualisointi
- käveli
- haluta
- oli
- Tapa..
- tavalla
- we
- viikoittain
- HYVIN
- Mitä
- kun
- onko
- joka
- leveä
- Laaja valikoima
- tulee
- with
- sisällä
- ilman
- sana
- Referenssit
- kirjoittaa
- kirjallinen
- vuotta
- york
- Voit
- Sinun
- zephyrnet
- Postinumero