Az idősoros előrejelzés az idősoros adatok jövőbeli értékeinek előrejelzésének folyamatára vonatkozik (az idők során rendszeres időközönként gyűjtött adatok). Az idősoros előrejelzés egyszerű módszerei ugyanannak a változónak a múltbeli értékeit használják, amelynek jövőbeli értékeit meg kell jósolni, míg az összetettebb, gépi tanuláson (ML) alapuló módszerek további információkat, például a kapcsolódó változók idősoros adatait használják fel.
Amazon előrejelzés egy ML-alapú idősor-előrejelzési szolgáltatás, amely olyan algoritmusokat tartalmaz, amelyek több mint 20 éves előrejelzési tapasztalaton alapulnak. Amazon.com, amely az Amazonnál használt technológiát teljesen felügyelt szolgáltatásként juttatja el a fejlesztőkhöz, így nincs szükség az erőforrások kezelésére. A Forecast az ML segítségével nemcsak a legjobb algoritmust tanulja meg az egyes elemekhez, hanem az egyes elemekhez tartozó legjobb algoritmus-együttest is, automatikusan létrehozva a legjobb modellt az adatokhoz.
Ez a bejegyzés leírja, hogyan telepíthető az ismétlődő előrejelzési munkaterhelések (idősoros előrejelzési munkaterhelések) kód nélkül AWS felhőképződés, AWS lépésfunkciókés AWS rendszermenedzser. Az itt bemutatott módszer segít felépíteni egy folyamatot, amely lehetővé teszi ugyanazt a munkafolyamatot az idősor-előrejelzési kísérlet első napjától kezdve a modell éles üzembe helyezéséig.
Idősoros előrejelzés az előrejelzés segítségével
Az előrejelzés munkafolyamata a következő általános fogalmakat tartalmazza:
- Adatkészletek importálása – Az előrejelzésben a adatkészlet csoport adatkészletek, séma és előrejelzési eredmények gyűjteménye, amelyek együtt járnak. Minden adatkészlet-csoport legfeljebb három adatkészlettel rendelkezhet, mindegyikből egy adatbázisba típusa: cél idősor (TTS), kapcsolódó idősor (RTS) és elem metaadatai. Az adatkészlet olyan fájlok gyűjteménye, amelyek egy előrejelzési feladat szempontjából releváns adatokat tartalmaznak. Az adatkészletnek meg kell felelnie az előrejelzésben meghatározott sémának. További részletekért lásd: Adatkészletek importálása.
- Képzési előrejelzők - A előrejelzője egy Forecast által képzett modell, amelyet idősoros adatokon alapuló előrejelzések készítésére használnak. A képzés során az Előrejelzés kiszámítja a pontossági mérőszámokat, amelyek segítségével kiértékeli az előrejelzőt, és eldönti, hogy használja-e a prediktort az előrejelzés generálásához. További információkért lásd: Előrejelzők képzése.
- Előrejelzések generálása – Ezután a betanított modellt használhatja előrejelzések generálására egy jövőbeli időhorizontra vonatkozóan előrejelzési horizont. Az előrejelzés különböző meghatározott kvantilisokhoz nyújt előrejelzéseket. Például a 0.90-es kvantilis előrejelzése az esetek 90%-ában alacsonyabb értéket becsül meg, mint a megfigyelt érték. Alapértelmezés szerint az Előrejelzés a következő értékeket használja az előrejelző előrejelzés típusaihoz: 0.1 (P10), 0.5 (P50) és 0.9 (P90). A különböző kvantilisokhoz tartozó előrejelzéseket általában arra használják, hogy megadjanak egy előrejelzési intervallumot (az előrejelzések felső és alsó korlátját), hogy figyelembe vegyék az előrejelzési bizonytalanságot.
Ezt a munkafolyamatot az Előrejelzésben a következőből is megvalósíthatja AWS felügyeleti konzol, a AWS parancssori interfész (AWS CLI), via API-hívások Python-jegyzetfüzetekkel, vagy automatizálási megoldásokon keresztül. A konzolra és a AWS CLI módszerek a legalkalmasabbak a gyors kísérletezéshez, amellyel ellenőrizhető az idősoros előrejelzés megvalósíthatósága az Ön adatai felhasználásával. A Python notebook módszer nagyszerű a Jupyter notebookokat és kódolást már ismerő adattudósok számára, és maximális vezérlést és hangolást biztosít. A notebook-alapú módszer azonban nehezen operacionalizálható. Automatizálási megközelítésünk lehetővé teszi a gyors kísérletezést, kiküszöböli az ismétlődő feladatokat, és könnyebb átmenetet tesz lehetővé a különböző környezetek között (fejlesztés, színpadra állítás, gyártás).
Ebben a bejegyzésben a Forecast használatának automatizálási megközelítését ismertetjük, amely lehetővé teszi saját adatainak használatát, és egyetlen munkafolyamatot biztosít, amelyet zökkenőmentesen használhat előrejelzési megoldása fejlesztésének teljes életciklusa során, a kísérletezés első napjaitól a telepítésig. a megoldást a termelési környezetben.
Megoldás áttekintése
A következő szakaszokban egy teljes, végpontok közötti munkafolyamatot írunk le, amely sablonként szolgál az idősoros előrejelzési modellek előrejelzéssel történő automatizált telepítéséhez. Ez a munkafolyamat előrejelzett adatpontokat hoz létre egy nyílt forráskódú bemeneti adatkészletből; azonban ugyanazt a munkafolyamatot használhatja saját adataihoz is, amennyiben az ebben a bejegyzésben ismertetett lépések szerint formázhatja adatait. Az adatok feltöltése után végigvezetjük az előrejelzési adatkészlet-csoportok létrehozásának, az adatok importálásának, az ML-modellek betanításának lépésein, valamint a nyers adatokból előrejelzett adatpontok előállítását a jövőbeli láthatatlan időhorizontokra vonatkozóan. Mindez lehetséges kód írása vagy fordítása nélkül.
A következő diagram az előrejelzési munkafolyamatot mutatja be.
A megoldás két CloudFormation-sablon használatával kerül üzembe helyezésre: a függőségi sablon és a munkaterhelési sablon. A CloudFormation lehetővé teszi az AWS-infrastruktúra-telepítések kiszámítható és ismételt végrehajtását a telepítendő erőforrásokat leíró sablonok használatával. A telepített sablont a verem. Gondoskodtunk a megoldás infrastruktúrájának meghatározásáról a két rendelkezésre álló sablonban. A függőségek sablon határozza meg a munkaterhelési sablon által használt előfeltétel erőforrásokat, például egy Amazon egyszerű tárolási szolgáltatás (Amazon S3) vödör tárgy tárolására és AWS Identity and Access Management (IAM) engedélyek az AWS API-műveletekhez. A függőségi sablonban meghatározott erőforrásokat több munkaterhelési sablon is megoszthatja. A munkaterhelés-sablon meghatározza az adatok feldolgozásához, a prediktor betanításához és az előrejelzés generálásához használt erőforrásokat.
Telepítse a függőségek CloudFormation sablonját
Először is telepítsük a függőségek sablonját az előfeltétel erőforrások létrehozásához. A függőségek sablonja egy opcionális S3 tárolót telepít, AWS Lambda funkciókat és IAM-szerepeket. Az Amazon S3 egy alacsony költségű, rendkívül elérhető, rugalmas objektumtárolási szolgáltatás. Ebben a megoldásban egy S3 tárolót használunk a forrásadatok tárolására és a munkafolyamat elindítására, ami előrejelzést eredményez. A Lambda egy kiszolgáló nélküli, eseményvezérelt számítási szolgáltatás, amely lehetővé teszi a kód futtatását kiszolgálók kiépítése vagy kezelése nélkül. A függőségek sablon olyan funkciókat tartalmaz, mint például egy adatkészlet-csoport létrehozása az előrejelzésben, és az objektumok törlése egy S3 tárolóban a tárolócsoport törlése előtt. Az IAM-szerepek határozzák meg az AWS-en belüli engedélyeket a felhasználók és a szolgáltatások számára. A függőségi sablon egy szerepkört telepít a Lambda és a Step Functions számára, egy olyan munkafolyamat-kezelési szolgáltatásra, amely koordinálja az adatbevitel és -feldolgozás, valamint az előrejelző betanítást és a következtetést az előrejelzés segítségével.
Hajtsa végre a következő lépéseket a függőségi sablon üzembe helyezéséhez:
- A konzolon válassza ki a kívántat Az előrejelzés által támogatott régió megoldás telepítéséhez.
- Az AWS CloudFormation konzolon válassza a lehetőséget Stacks a navigációs ablaktáblában.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Verem létrehozása És válasszon Új erőforrásokkal (standard).
- A Sablon forrásaválassza Amazon S3 URL.
- Adja meg a sablon URL-jét:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-dependency.yaml
. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Verem neve, belép
forecast-mlops-dependency
. - Alatt paraméterek, válasszon egy meglévő S3 gyűjtőtárat használ, vagy hozzon létre egy újat, majd adja meg a tároló nevét.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő az alapértelmezett verembeállítások elfogadásához.
- Jelölje be a jelölőnégyzetet, hogy nyugtázza, hogy a verem IAM-erőforrásokat hoz létre, majd válassza a lehetőséget Verem létrehozása a sablon üzembe helyezéséhez.
A sablon telepítését a következőként kell látnia forecast-mlops-dependency
Kazal. Amikor az állapot a következőre változik CREATE_COMPLETE
, léphet a következő lépésre.
Telepítse a munkaterhelés CloudFormation-sablonját
Ezután helyezzük üzembe a munkaterhelési sablont az előfeltétel erőforrások létrehozásához. A munkaterhelés-sablon Step Functions állapotgépeket telepít a munkafolyamatok kezelésére, AWS Systems Manager Paramétertár paramétereket az AWS CloudFormation paraméterértékeinek tárolására és a munkafolyamat tájékoztatására, an Amazon Simple Notification Service (Amazon SNS) témakör a munkafolyamat-értesítésekhez, és egy IAM-szerep a munkafolyamat-szolgáltatási engedélyekhez.
A megoldás öt állapotgépet hoz létre:
- CreateDatasetGroupStateMachine – Előrejelzési adatkészlet-csoportot hoz létre az adatok importálásához.
- CreateImportDatasetStateMachine – Importálja a forrásadatokat az Amazon S3-ból egy adatkészlet-csoportba képzés céljából.
- CreateForecastStateMachine – Kezeli az előrejelző betanításához és az előrejelzés generálásához szükséges feladatokat.
- AthenaConnectorStateMachine – Lehetővé teszi SQL lekérdezések írását a Amazon Athéné csatlakozó a földadatokhoz az Amazon S3-ban. Ez egy opcionális folyamat az előzményadatok megszerzéséhez az előrejelzéshez szükséges formátumban az Athena használatával a fájlok manuális elhelyezése helyett az Amazon S3-ban.
- StepFunctionWorkflowStateMachine – Koordinálja a másik négy állapotgép hívásait, és kezeli az általános munkafolyamatot.
A Parameter Store, a Systems Manager egyik képessége, biztonságos, hierarchikus tárolást és programozott visszakeresést biztosít a konfigurációs adatok kezeléséhez és a titkok kezeléséhez. A Paramétertár a munkaterhelési veremben beállított paraméterek, valamint a munkafolyamat által használt egyéb paraméterek tárolására szolgál.
A munkaterhelési sablon üzembe helyezéséhez hajtsa végre a következő lépéseket:
- Az AWS CloudFormation konzolon válassza a lehetőséget Stacks a navigációs ablaktáblában.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Verem létrehozása És válasszon Új erőforrásokkal (standard).
- A Sablon forrásaválassza Amazon S3 URL.
- Adja meg a sablon URL-jét:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-solution-guidance.yaml
. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Verem neve, írjon be egy nevet.
- Fogadja el az alapértelmezett értékeket, vagy módosítsa a paramétereket.
Ügyeljen arra, hogy adja meg az S3 csoport nevét a függőségek vereméből S3 Vödör és egy érvényes e-mail címet SNSendpoint akkor is, ha elfogadja az alapértelmezett paraméterértékeket.
Az alábbi táblázat leírja az egyes paramétereket.
Vizsgált paraméter | Leírás | További információ |
DatasetGroupFrequencyRTS |
Az RTS-adatkészlet adatgyűjtésének gyakorisága. | . |
DatasetGroupFrequencyTTS |
A TTS-adatkészlet adatgyűjtésének gyakorisága. | . |
DatasetGroupName |
Az adatkészlet-csoport rövid neve, egy önálló munkaterhelés. | CreateDatasetGroup |
DatasetIncludeItem |
Adja meg, hogy kíván-e megadni a cikk metaadatait ehhez a használati esethez. | . |
DatasetIncludeRTS |
Adja meg, hogy kíván-e ehhez a használati esethez kapcsolódó idősort megadni. | . |
ForecastForecastTypes |
Amikor egy CreateForecast-feladat fut, ez deklarálja, hogy mely kvantilisokhoz kell előrejelzéseket készíteni. Ebben a tömbben legfeljebb öt értéket választhat. Szerkessze ezt az értéket úgy, hogy szükség szerint tartalmazzon értékeket. | Előrejelzés létrehozása |
PredictorAttributeConfigs |
A TTS célváltozójához és az RTS-adatkészletek minden egyes numerikus mezőjéhez rekordot kell létrehozni minden egyes időintervallumhoz minden egyes elemhez. Ez a konfiguráció segít meghatározni a hiányzó rekordok kitöltésének módját: 0-val, NaN-nel vagy mással. Javasoljuk, hogy a TTS-ben lévő hézagokat 0 helyett NaN-nel töltse ki. 0 esetén a modell rosszul tanulhat, hogy 0 felé torzítsa az előrejelzéseket. A NaN az útmutatás kézbesítése. Ezzel kapcsolatos kérdéseivel forduljon az AWS Solutions Architecthez. | CreateAutoPredictor |
PredictorExplainPredictor |
Az érvényes értékek TRUE vagy FALSE. Ezek határozzák meg, hogy a magyarázhatóság engedélyezve van-e az előrejelzőhöz. Ez segíthet megérteni, hogy az RTS-ben szereplő értékek és az elemek metaadatai hogyan befolyásolják a modellt. | Magyarázatosság |
PredictorForecastDimensions |
Érdemes lehet a tételnél finomabb szemcsét előre jelezni. Itt megadhat olyan dimenziókat, mint például a hely, a költséghely, vagy bármi, amire szüksége van. Ennek meg kell egyeznie az RTS és a TTS méreteivel. Vegye figyelembe, hogy ha nincs dimenziója, akkor a helyes paraméter nulla, önmagában és csupa kisbetűvel. A null egy fenntartott szó, amely tudatja a rendszerrel, hogy a dimenzióhoz nincs paraméter. | CreateAutoPredictor |
PredictorForecastFrequency |
Meghatározza azt az időskálát, amelyen belül a modell és az előrejelzések létrejönnek, például napi, heti vagy havi. A legördülő menü segít a megengedett értékek kiválasztásában. Ennek meg kell egyeznie az RTS időskálájával, ha RTS-t használ. | CreateAutoPredictor |
PredictorForecastHorizon |
A modell által előre jelzett időlépések száma. Az előrejelzési horizontot a előrejelzési hossz. | CreateAutoPredictor |
PredictorForecastOptimizationMetric |
Meghatározza a prediktor optimalizálásához használt pontossági mérőszámot. A legördülő menü segít kiválasztani a súlyozott kvantilis veszteségegyenlegeket a túl- vagy alul-előrejelzéshez. Az RMSE az egységekkel, a WAPE/MAPE pedig a százalékos hibákkal foglalkozik. | CreateAutoPredictor |
PredictorForecastTypes |
Amikor egy CreateAutoPredictor feladat futtatása, ez deklarálja, hogy mely kvantisokat használják az előrejelzési pontok betanításához. Ebben a tömbben legfeljebb öt értéket választhat, így egyensúlyba hozhatja a túl- és alul-előrejelzést. Szerkessze ezt az értéket úgy, hogy szükség szerint tartalmazzon értékeket. |
CreateAutoPredictor |
S3Bucket |
Annak az S3-csoportnak a neve, amelybe a bemeneti és a kimeneti adatok vannak írva ehhez a munkaterheléshez. | . |
SNSEndpoint |
Érvényes e-mail-cím, amelyre értesítést kaphat, ha az előrejelző és az előrejelzési feladatok befejeződtek. | . |
SchemaITEM |
Ez határozza meg a cikk metaadat-adatkészletének fizikai sorrendjét, oszlopneveit és adattípusait. Ez egy opcionális fájl, amely a megoldási példában található. | CreateDataset |
SchemaRTS |
Ez határozza meg az RTS-adatkészlet fizikai sorrendjét, oszlopneveit és adattípusait. A méreteknek meg kell egyeznie a TTS-vel. Ennek a fájlnak az időszemcse határozza meg azt az időszemcsét, amelynél előrejelzések készíthetők. Ez egy opcionális fájl, amely a megoldási példában található. | CreateDataset |
SchemaTTS |
Ez határozza meg a fizikai sorrendet, az oszlopneveket és az adattípusokat a TTS-adatkészlethez, amely az egyetlen szükséges adatkészlet. A fájlnak tartalmaznia kell legalább egy célértéket, időbélyeget és elemet. | CreateDataset |
TimestampFormatRTS |
Meghatározza az RTS-fájlban megadott időbélyeg-formátumot. | CreateDatasetImportJob |
TimestampFormatTTS |
Meghatározza a TTS-fájlban megadott időbélyeg-formátumot. | CreateDatasetImportJob |
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő az alapértelmezett verembeállítások elfogadásához.
- Jelölje be a jelölőnégyzetet, hogy nyugtázza, hogy a verem IAM-erőforrásokat hoz létre, majd válassza a lehetőséget Verem létrehozása a sablon üzembe helyezéséhez.
A sablon telepítését a korábban kiválasztott veremnévként kell látnia. Amikor az állapot a következőre változik CREATE_COMPLETE
, léphet az adatfeltöltési lépésre.
Töltse fel az adatokat
Az előző részben megadta a verem nevét és egy S3 gyűjtőt. Ez a szakasz a nyilvánosan elérhető adatkészlet letétbe helyezését írja le Élelmiszer-igény ebben a vödörben. Ha saját adatkészletét használja, tekintse meg a Datasets hogy elkészítse az adatkészletét a telepítés által várt formátumban. Az adatkészletnek tartalmaznia kell legalább a cél idősort, és opcionálisan a kapcsolódó idősorokat és a cikk metaadatait:
- A TTS az az idősor-adat, amely tartalmazza azt a mezőt, amelyre előrejelzést szeretne készíteni; ezt a mezőt a célmező
- Az RTS olyan idősoros adat, amely nem tartalmazza a célmezőt, de tartalmaz egy kapcsolódó mezőt
- A tétel adatfájlja nem idősoros adat, hanem metaadat-információkat tartalmaz a TTS vagy RTS adatkészletekben lévő tételekről
Hajtsa végre a következő lépéseket:
- Ha a megadott mintaadatkészletet használja, töltse le az adatkészletet Élelmiszer-igény a számítógépére, és csomagolja ki a fájlt, amely három fájlt hoz létre három könyvtárban (
rts
,tts
,item
). - Az Amazon S3 konzolon navigáljon a korábban létrehozott tárolóhoz.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Mappa létrehozása.
- A mappa nevéhez használja ugyanazt a karakterláncot, mint a munkaterhelési verem neve.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Feltöltés.
- Válassza ki a három adatkészlet mappát, majd válassza ki Feltöltés.
Amikor a feltöltés befejeződött, az alábbi képernyőképhez hasonlót kell látnia. Ebben a példában a mi mappánk a aiml42
.
Hozzon létre egy előrejelzési adatkészlet-csoportot
Hajtsa végre az ebben a szakaszban található lépéseket, ha minden egyes munkaterheléshez egyszeri eseményként szeretne létrehozni egy adatkészlet-csoportot. A továbbiakban meg kell terveznie az importálási adatok futtatását, létre kell hoznia előrejelzőt, és szükség szerint sorozatként kell létrehoznia az előrejelzési lépéseket az ütemezése szerint, amely lehet napi, heti vagy más módon.
- A Step Functions konzolon keresse meg azt az állapotgépet, amelyet tartalmaz
Create-Dataset-Group
. - Az állapotgép részletes oldalán válassza a lehetőséget Indítsa el a végrehajtást.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Indítsa el a végrehajtást ismét erősíteni.
Az állapotgép körülbelül 1 percet vesz igénybe. Ha kész, az alatti érték Végrehajtási állapot változnia kell futás nak nek Sikerült
Adatok importálása az előrejelzésbe
Kövesse az ebben a szakaszban található lépéseket az S3 tárolóba feltöltött adatkészlet adatkészletcsoportba való importálásához:
- A Step Functions konzolon keresse meg azt az állapotgépet, amelyet tartalmaz
Import-Dataset
. - Az állapotgép részletes oldalán válassza a lehetőséget Indítsa el a végrehajtást.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Indítsa el a végrehajtást ismét erősíteni.
Az állapotgép futtatásához szükséges idő a feldolgozott adatkészlettől függ.
- Amíg ez fut, a böngészőben nyisson meg egy másik lapot, és lépjen az előrejelzési konzolra.
- Az Előrejelzés konzolon válassza a lehetőséget Adatkészlet-csoportok megtekintése és navigáljon a megadott névvel rendelkező adatkészlet-csoporthoz
DataGroupName
a munkaterhelési veremből. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatkészletek megtekintése.
Látnia kell az adatimportálást folyamatban.
Amikor az államgép számára Import-Dataset
befejeződött, folytathatja a következő lépéssel az idősor adatmodell felépítéséhez.
AutoPredictor létrehozása (idősoros modell betanítása)
Ez a rész leírja, hogyan lehet betanítani egy kezdeti előrejelzőt az előrejelzéssel. Dönthet úgy, hogy létrehoz egy új előrejelzőt (az első, kiindulási előrejelzőt), vagy újból betanít egy előrejelzőt az egyes gyártási ciklusok során, ami lehet napi, heti vagy egyéb. Dönthet úgy is, hogy nem hoz létre minden ciklusban előrejelzőt, és a prediktor figyelésére hagyatkozik, hogy eligazítsa, mikor kell létrehoznia. A következő ábra egy gyártásra kész előrejelzés létrehozásának folyamatát mutatja be.
Új előrejelző létrehozásához hajtsa végre a következő lépéseket:
- A Step Functions konzolon keresse meg azt az állapotgépet, amelyet tartalmaz
Create-Predictor
. - Az állapotgép részletes oldalán válassza a lehetőséget Indítsa el a végrehajtást.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Indítsa el a végrehajtást ismét erősíteni.
A futási idő mennyisége a feldolgozott adatkészlettől függhet. Ennek végrehajtása akár egy órát vagy többet is igénybe vehet. - Amíg ez fut, a böngészőben nyisson meg egy másik lapot, és lépjen az előrejelzési konzolra.
- Az Előrejelzés konzolon válassza a lehetőséget Adatkészlet-csoportok megtekintése és navigáljon a megadott névvel rendelkező adatkészlet-csoporthoz
DataGroupName
a munkaterhelési veremből. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Előrejelzők megtekintése.
Látnia kell a folyamatban lévő előrejelző edzést (a képzés állapota „Létrehozás folyamatban…”).
Amikor az államgép számára Create-Predictor
befejeződött, értékelheti a teljesítményét.
Az állapotgép részeként a rendszer létrehoz egy prediktort, és le is futtatja a BacktestExport
feladat, amely idősor szintű előrejelző metrikákat ír ki az Amazon S3-ba. Ezek a fájlok két S3 mappában találhatók a backtest-export
mappa:
- pontosság-metrikák-értékek – Tételszintű pontosságú metrikus számításokat biztosít, így megértheti egyetlen idősor teljesítményét. Ez lehetővé teszi a terjedés vizsgálatát, ahelyett, hogy kizárólag a globális mérőszámokra összpontosítana.
- előrejelzett értékek – Lépésszintű előrejelzéseket biztosít minden idősorhoz a visszateszt ablakban. Ez lehetővé teszi a tényleges célérték összehasonlítását egy tartási tesztkészletből a megjósolt kvantilisértékekkel. Ennek áttekintése segít ötleteket megfogalmazni arra vonatkozóan, hogyan biztosítson további adatszolgáltatásokat az RTS-ben vagy az elemek metaadatait a jövőbeli értékek jobb becslése érdekében, és tovább csökkentse a veszteséget. Letöltheti
backtest-export
fájlokat az Amazon S3-ból, vagy lekérdezheti őket az Athena segítségével.
Saját adataival alaposan meg kell vizsgálnia az előrejelző eredményeket, és meg kell győződnie arról, hogy a mérőszámok megfelelnek a várt eredményeknek a visszateszt exportálási adatok használatával. Ha elégedett, megkezdheti a jövőre vonatkozó előrejelzések generálását a következő részben leírtak szerint.
Előrejelzés generálása (következtetés a jövőbeli időhorizontokról)
Ez a rész leírja, hogyan hozhat létre előrejelzési adatpontokat az előrejelzéssel. A továbbiakban új adatokat kell gyűjtenie a forrásrendszerből, importálnia kell az adatokat az előrejelzésbe, majd elő kell állítania az előrejelzési adatpontokat. Opcionálisan új előrejelző létrehozást is beszúrhat az importálás után és az előrejelzés előtt. A következő ábra a termelési idősor-előrejelzések Forecast segítségével történő létrehozásának folyamatát mutatja be.
Hajtsa végre a következő lépéseket:
- A Step Functions konzolon keresse meg azt az állapotgépet, amelyet tartalmaz
Create-Forecast
. - Az állapotgép részletes oldalán válassza a lehetőséget Indítsa el a végrehajtást.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Indítsa el a végrehajtást ismét erősíteni.
Ez az állapotgép nagyon gyorsan befejeződik, mert a rendszer nincs konfigurálva előrejelzés generálására. Nem tudja, melyik előrejelző modellt hagyta jóvá következtetésre.
Konfiguráljuk a rendszert az Ön betanított előrejelzőjének használatára. - Az előrejelzési konzolon keresse meg az előrejelző ARN-jét.
- Másolja ki az ARN-t egy későbbi lépésben való felhasználáshoz.
- A böngészőben nyisson meg egy másik lapot, és lépjen a Systems Manager konzolra.
- A Systems Manager konzolon válassza a lehetőséget Paramétertár a navigációs ablaktáblában.
- Keresse meg a veremhez tartozó paramétert (
/forecast/<StackName>/Forecast/PredictorArn
). - Adja meg az előrejelzőhöz másolt ARN-t.
Így társíthatja a képzett előrejelzőt az előrejelzés következtetési funkciójával. - Keresse meg a paramétert
/forecast/<StackName>/Forecast/Generate
és módosítsa az értéket, cserélje kiFALSE
val velTRUE
.
Most készen áll egy előrejelzési feladat futtatására ehhez az adatkészletcsoporthoz. - A Step Functions konzolon futtassa a
Create-Forecast
állapotgép.
Ezúttal a munka a várakozásoknak megfelelően zajlik. Az állapotgép részeként a rendszer előrejelzést készít és a ForecastExport
munkát, amely idősoros előrejelzéseket ír ki az Amazon S3-nak. Ezek a fájlok a forecast
mappa
Bent a forecast
mappában talál előrejelzéseket a tételeihez, amelyek számos CSV- vagy Parquet-fájlban találhatók, a választástól függően. Az egyes időlépésekre és kiválasztott idősorokra vonatkozó előrejelzések rekordonként az összes kiválasztott kvantilisértékkel együtt léteznek. Letöltheti ezeket a fájlokat az Amazon S3 webhelyről, lekérdezheti őket az Athena segítségével, vagy választhat más stratégiát az adatok felhasználásához.
Ez lezárja a teljes munkafolyamatot. Mostantól megjelenítheti a kimenetet bármely tetszőleges megjelenítő eszközzel, mint pl Amazon QuickSight. Alternatív megoldásként az adattudósok pandákat használhatnak saját parcellák létrehozására. Ha a QuickSight használatát választja, megteheti csatlakoztassa előrejelzési eredményeit a QuickSighthoz adatátalakítások elvégzésére, egy vagy több adatelemzés létrehozására, és vizualizációkat készíteni.
Ez a folyamat követendő sablont biztosít. A mintát hozzá kell igazítania a sémához, be kell állítania az előrejelzési horizontot, az időfelbontást és így tovább a használati esetnek megfelelően. Ezenkívül be kell állítania egy ismétlődő ütemezést, amely során az adatokat a forrásrendszerből gyűjti össze, importálja az adatokat, és előrejelzéseket kell készítenie. Ha szükséges, beszúrhat egy előrejelző feladatot az importálás és az előrejelzés lépései közé.
Tanítsa újra az előrejelzőt
Végigjártuk egy új előrejelző betanításának folyamatát, de mi a helyzet egy előrejelző átképzésével? A prediktor újraképzése az egyik módja annak, hogy csökkentse a legfrissebb rendelkezésre álló adatokon a prediktor betanításával járó költségeket és időt. Ahelyett, hogy létrehoznánk egy új előrejelzőt, és betanítanánk a teljes adathalmazra, a meglévő előrejelzőt újrataníthatjuk úgy, hogy csak a prediktor utolsó betanítása óta elérhetővé tett új növekményes adatokat biztosítjuk. Nézzük meg, hogyan taníthat át egy előrejelzőt az automatizálási megoldással:
- Az Előrejelzés konzolon válassza a lehetőséget Adatkészlet-csoportok megtekintése.
- Válassza ki az újratanítani kívánt előrejelzőhöz társított adatkészlet-csoportot.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Előrejelzők megtekintése, majd válassza ki az áttanítani kívánt előrejelzőt.
- A beállítások lapon másolja az ARN prediktort.
Frissítenünk kell egy, a munkafolyamat által használt paramétert az újratanítandó előrejelző azonosításához. - A Systems Manager konzolon válassza a lehetőséget Paramétertár a navigációs ablaktáblában.
- Keresse meg a paramétert
/forecast/<STACKNAME>/Forecast/Predictor/ReferenceArn
. - A paraméter részletes oldalán válassza ki a lehetőséget szerkesztése.
- A Érték, írja be az ARN prediktort.
Ez azonosítja az újratanítandó munkafolyamat megfelelő előrejelzőjét. Ezután frissítenünk kell egy, a munkafolyamat által használt paramétert a képzési stratégia megváltoztatásához. - Keresse meg a paramétert
/forecast/<STACKNAME>/Forecast/Predictor/Strategy
. - A paraméter részletei oldalon válassza a Szerkesztés lehetőséget.
- Az Érték mezőben írja be
RETRAIN
.
A munkafolyamat alapértelmezés szerint egy új előrejelző betanítása; azonban módosíthatjuk ezt a viselkedést egy meglévő előrejelző újraképzéséhez, vagy egyszerűen újra felhasználhatjuk egy meglévő előrejelzőt, anélkül, hogy ezt az értéket a következőre állítjuk.NONE
. Érdemes lemondani az edzésről, ha az adatok viszonylag stabilak, vagy ha használ automatizált előrejelző monitorozás eldönteni, mikor van szükség átképzésre. - Töltse fel a növekményes edzési adatokat az S3 vödörbe.
- A Step Functions konzolon keresse meg az állapotgépet
<STACKNAME>-Create-Predictor
. - Az állapotgép részletes oldalán válassza a lehetőséget Indítsa el a végrehajtást az átképzés megkezdéséhez.
Amikor az átképzés befejeződött, a munkafolyamat befejeződik, és Ön egy SNS e-mail értesítést kap a munkaterhelési sablon paramétereiben megadott e-mail címre.
Tisztítsuk meg
Ha végzett ezzel a megoldással, kövesse az ebben a szakaszban található lépéseket a kapcsolódó erőforrások törléséhez.
Törölje az S3 tartályt
- Az Amazon S3 konzolon válassza a lehetőséget Kanalak a navigációs ablaktáblában.
- Válassza ki azt a tárolót, ahová az adatokat feltöltötte, és válassza ki Üres a megoldáshoz kapcsolódó összes adat törléséhez, beleértve a forrásadatokat is.
- belép
permanently delete
a vödör tartalmának végleges törléséhez. - A Kanalak oldalt, válassza ki a vödröt, és válassza ki töröl.
- Írja be a vödör nevét a törlés megerősítéséhez, és válassza a lehetőséget Vödör törlése.
Előrejelzési erőforrások törlése
- Az Előrejelzés konzolon válassza a lehetőséget Adatkészlet-csoportok megtekintése.
- Válassza ki a megoldáshoz társított adatkészlet-csoport nevét, majd válassza ki töröl.
- belép
delete
az adatkészletcsoport és a kapcsolódó előrejelzők, előrejelző backtest exportfeladatok, előrejelzések és előrejelzési exportálási feladatok törléséhez. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a töröl megerősítéséhez.
Törölje a CloudFormation veremeket
- Az AWS CloudFormation konzolon válassza a lehetőséget Stacks a navigációs ablaktáblában.
- Válassza ki a munkaterhelés veremét, és válassza ki töröl.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Verem törlése a verem és az összes kapcsolódó erőforrás törlésének megerősítéséhez.
- Ha a törlés befejeződött, jelölje ki a függőségek veremét, és válassza ki töröl.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a töröl megerősítéséhez.
Következtetés
Ebben a bejegyzésben megvitattunk néhány különböző módszert az előrejelzés használatának megkezdéséhez. Végigjártuk az AWS CloudFormation alapú automatizált előrejelzési megoldást a Forecast folyamat gyors, megismételhető telepítéséhez az adatfeldolgozástól a következtetésig, kevés infrastrukturális ismeret nélkül. Végül láttuk, hogyan tudjuk a Lambda segítségével automatizálni a modell átképzését, csökkentve a költségeket és a képzési időt.
A jelennél nincs jobb alkalom az előrejelzés megkezdésére az előrejelzéssel. Az automatizált munkafolyamat felépítésének és üzembe helyezésének megkezdéséhez látogassa meg a webhelyet Amazon Forecast források. Boldog előrejelzést!
A szerzőkről
Aaron Fagan a New York-i székhelyű AWS vezető specialista megoldások építésze. Szakterülete az ügyfelek gépi tanulási és felhőbiztonsági megoldások kidolgozásában való segítése.
Raju Patil az AWS Professional Services adattudósa. AI/ML megoldásokat épít és telepít, hogy segítse az AWS ügyfeleit üzleti kihívásaik leküzdésében. Az AWS-elkötelezettségei az AI/ML felhasználási esetek széles körére terjedtek ki, mint például a számítógépes látás, az idősoros előrejelzés és a prediktív analitika stb., számos iparágban, beleértve a pénzügyi szolgáltatásokat, a távközlést, az egészségügyet stb. Ezt megelőzően Data Science csapatokat vezetett a reklámtechnológiában, és jelentős mértékben hozzájárult számos számítógépes látás és robotika kutatási és fejlesztési kezdeményezéséhez. A munkán kívül szeret fényképezni, túrázni, utazni és kulináris felfedezni.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoAiStream. Web3 adatintelligencia. Felerősített tudás. Hozzáférés itt.
- A jövő pénzverése – Adryenn Ashley. Hozzáférés itt.
- Részvények vásárlása és eladása PRE-IPO társaságokban a PREIPO® segítségével. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/automate-the-deployment-of-an-amazon-forecast-time-series-forecasting-model/
- :van
- :is
- :nem
- :ahol
- $ UP
- 1
- 10
- 100
- 11
- 20
- 20 év
- 2022
- 7
- 8
- 9
- a
- Rólunk
- Elfogad!
- hozzáférés
- Szerint
- Fiók
- pontosság
- elismerni
- át
- cselekvések
- alkalmazkodni
- További
- további információ
- cím
- Hirdetés
- Után
- újra
- AI / ML
- algoritmus
- algoritmusok
- Minden termék
- lehetővé téve
- lehetővé teszi, hogy
- kizárólag
- már
- Is
- amazon
- Amazon előrejelzés
- összeg
- an
- elemzések
- analitika
- és a
- Másik
- bármilyen
- api
- megközelítés
- megfelelő
- jóváhagyott
- VANNAK
- Sor
- AS
- segít
- Társult
- társult
- At
- automatizált
- Automatizált
- automatikusan
- Automatizálás
- elérhető
- AWS
- AWS felhőképződés
- AWS professzionális szolgáltatások
- Backtest
- Egyenleg
- egyenlegek
- alapján
- kiindulási
- BE
- mert
- előtt
- kezdődik
- hogy
- BEST
- Jobb
- között
- előítélet
- Köteles
- Doboz
- Bringing
- böngésző
- épít
- Épület
- épít
- üzleti
- de
- by
- kiszámítja
- hívott
- kéri
- TUD
- ami
- eset
- esetek
- Központ
- kihívások
- változik
- Változások
- ellenőrizze
- választás
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- választotta
- választott
- szorosan
- felhő
- Cloud Security
- kód
- Kódolás
- gyűjtemény
- Oszlop
- COM
- Közös
- összehasonlítani
- teljes
- bonyolult
- számítások
- Kiszámít
- számítógép
- Számítógépes látás
- fogalmak
- az érintett
- Configuration
- megerősít
- Konzol
- tartalmaz
- tartalom
- hozzájárulások
- ellenőrzés
- koordináta
- kijavítására
- Költség
- tudott
- fedett
- teremt
- készítette
- teremt
- létrehozása
- teremtés
- Ügyfelek
- ciklus
- A ciklikus
- napi
- dátum
- adatkezelés
- adat pontok
- adat-tudomány
- adattudós
- adatkészlet
- adatkészletek
- nap
- Nap
- dönt
- kijelenti,
- alapértelmezett
- alapértelmezett
- meghatározott
- Annak meghatározása,
- meghatározó
- szállított
- attól
- függ
- telepíteni
- telepített
- bevezetéséhez
- bevetés
- bevetések
- bevet
- letét
- leírni
- leírt
- kívánatos
- részlet
- részletek
- Határozzuk meg
- fejlesztők
- Fejlesztés
- különböző
- nehéz
- Dimenzió
- méretek
- könyvtárak
- tárgyalt
- do
- Nem
- csinált
- letöltés
- alatt
- minden
- Korábban
- könnyebb
- bármelyik
- megszünteti
- engedélyezve
- lehetővé teszi
- végén
- végtől végig
- biztosítására
- belép
- Egész
- Környezet
- környezetek
- hibák
- becslés
- stb.
- értékelni
- Még
- esemény
- példa
- végrehajtás
- létezik
- létező
- várható
- vár
- tapasztalat
- export
- megkönnyíti
- hamis
- ismerős
- Jellemzők
- mező
- Ábra
- filé
- Fájlok
- Benyújtás
- megtöltött
- Végül
- pénzügyi
- pénzügyi szolgáltatások
- Találjon
- vezetéknév
- összpontosítás
- következik
- következő
- A
- Előrejelzés
- előrejelzések
- formátum
- tovább
- Előre
- négy
- Frekvencia
- ból ből
- teljesen
- funkció
- funkciók
- további
- jövő
- generál
- generált
- generáló
- kap
- Globális
- Go
- megy
- irányelv szabályozza
- grafikon
- nagy
- Csoport
- Csoportok
- útmutatást
- útmutató
- boldog
- aratás
- Legyen
- tekintettel
- he
- Egészség
- Egészségügyi ellátás
- segít
- segít
- segít
- itt
- nagyon
- övé
- történeti
- horizont
- Horizons
- óra
- Hogyan
- How To
- azonban
- HTML
- http
- HTTPS
- ötletek
- azonosítja
- azonosítani
- Identitás
- if
- illusztrálja
- végre
- importál
- behozatal
- in
- tartalmaz
- magában foglalja a
- Beleértve
- iparágak
- befolyás
- tájékoztat
- információ
- Infrastruktúra
- kezdetben
- kezdeményezések
- bemenet
- helyette
- bele
- vizsgálja
- részt
- IT
- tételek
- ITS
- maga
- Munka
- Állások
- jpg
- Ismer
- tudás
- ismert
- Telek
- keresztnév
- a későbbiekben
- legutolsó
- TANUL
- tanulás
- legkevésbé
- Led
- Led adatok
- Lets
- életciklus
- mint
- vonal
- kis
- található
- elhelyezkedés
- Hosszú
- le
- olcsó
- alacsonyabb
- gép
- gépi tanulás
- gép
- készült
- Gyártás
- kezelése
- sikerült
- vezetés
- menedzser
- kezeli
- kezelése
- kézzel
- sok
- maximális
- Lehet..
- Találkozik
- Menü
- Metaadatok
- módszer
- mód
- metrikus
- Metrics
- esetleg
- minimum
- perc
- hiányzó
- ML
- modell
- modellek
- módosítása
- ellenőrzés
- havi
- több
- mozog
- többszörös
- kell
- név
- nevek
- Keresse
- Navigáció
- elengedhetetlen
- Szükség
- igények
- Új
- New York
- következő
- nem
- jegyzetfüzet
- bejelentés
- értesítések
- Most
- szám
- számos
- tárgy
- objektumok
- szerez
- of
- on
- ONE
- csak
- nyitva
- nyílt forráskódú
- Optimalizálja
- Opciók
- or
- érdekében
- Más
- másképp
- mi
- ki
- eredmények
- vázolt
- teljesítmény
- kívül
- felett
- átfogó
- saját
- oldal
- pandák
- üvegtábla
- paraméter
- paraméterek
- rész
- százalék
- Teljesít
- teljesítmény
- tartósan
- engedélyek
- fényképezés
- fizikai
- csővezeték
- Hely
- forgalomba
- terv
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- lehetséges
- állás
- jósolt
- előrejelzésére
- előrejelzés
- Tippek
- Prediktív elemzés
- Predictor
- jósolja
- Készít
- be
- bemutatott
- előző
- Fő
- Előzetes
- folyamat
- Feldolgozott
- feldolgozás
- gyárt
- Termelés
- szakmai
- programadó
- Haladás
- ad
- feltéve,
- biztosít
- amely
- nyilvánosan
- Piton
- lekérdezések
- Kérdések
- Quick
- gyorsan
- hatótávolság
- gyors
- Inkább
- Nyers
- kész
- kap
- ajánl
- rekord
- nyilvántartások
- ismétlődő
- csökkenteni
- csökkentő
- említett
- kifejezés
- szabályos
- összefüggő
- viszonylag
- támaszkodnak
- eltávolítása
- megismételhető
- TÖBBSZÖR
- ismétlő
- kötelező
- kutatás
- kutatás és fejlesztés
- fenntartott
- rugalmas
- Felbontás
- Tudástár
- kapott
- Eredmények
- újra
- felülvizsgálata
- robotika
- Szerep
- szerepek
- futás
- futás
- azonos
- Minta adatkészlet
- elégedett
- Skála
- menetrend
- Tudomány
- Tudós
- tudósok
- zökkenőmentesen
- Rész
- szakaszok
- biztonság
- biztonság
- lát
- kiválasztott
- kiválasztás
- Series of
- vagy szerver
- Szerverek
- szolgálja
- szolgáltatás
- Szolgáltatások
- készlet
- beállítás
- megosztott
- rövid
- kellene
- Műsorok
- jelentős
- Egyszerű
- egyszerűen
- óta
- egyetlen
- So
- megoldások
- Megoldások
- néhány
- valami
- forrás
- szakember
- specializálódott
- meghatározott
- terjedése
- stabil
- verem
- színpadra állítás
- standard
- kezdet
- kezdődött
- Kezdve
- Állami
- Állapot
- Lépés
- Lépései
- tárolás
- tárolni
- Stratégia
- Húr
- struktúra
- ilyen
- Támogatott
- rendszer
- Systems
- táblázat
- Vesz
- tart
- cél
- Feladat
- feladatok
- csapat
- Technológia
- távközlési
- sablon
- sablonok
- teszt
- mint
- hogy
- A
- The Source
- Az állam
- azok
- Őket
- akkor
- Ott.
- Ezek
- dolgok
- ezt
- három
- Keresztül
- egész
- idő
- Idősorok
- időbélyeg
- nak nek
- együtt
- szerszám
- téma
- felé
- Vonat
- kiképzett
- Képzések
- transzformációk
- átmenet
- utazás
- kiváltó
- igaz
- kettő
- típus
- típusok
- jellemzően
- Bizonytalanság
- alatt
- megért
- egységek
- Frissítések
- feltöltve
- URL
- használ
- használati eset
- használt
- Felhasználók
- segítségével
- érték
- Értékek
- különféle
- nagyon
- keresztül
- látomás
- Látogat
- megjelenítés
- sétált
- akar
- volt
- Út..
- módon
- we
- heti
- JÓL
- Mit
- amikor
- vajon
- ami
- széles
- Széleskörű
- lesz
- val vel
- belül
- nélkül
- szó
- Munka
- ír
- írott
- év
- york
- te
- A te
- zephyrnet
- Postai irányítószám