Napovedovanje časovnih vrst se nanaša na postopek napovedovanja prihodnjih vrednosti podatkov časovnih vrst (podatki, ki se zbirajo v rednih intervalih skozi čas). Preproste metode za napovedovanje časovnih vrst uporabljajo zgodovinske vrednosti iste spremenljivke, katere prihodnje vrednosti je treba predvideti, medtem ko bolj zapletene metode, ki temeljijo na strojnem učenju (ML), uporabljajo dodatne informacije, kot so podatki časovnih vrst povezanih spremenljivk.
Amazonska napoved je storitev napovedovanja časovnih vrst, ki temelji na ML in vključuje algoritme, ki temeljijo na več kot 20-letnih izkušnjah napovedovanja, ki jih uporablja Amazon.com, ki razvijalcem prinaša isto tehnologijo, ki jo uporablja Amazon, kot popolnoma upravljano storitev, pri čemer ni več potrebe po upravljanju virov. Forecast uporablja ML, da se nauči ne le najboljšega algoritma za vsak element, ampak tudi najboljše skupine algoritmov za vsak element, kar samodejno ustvari najboljši model za vaše podatke.
Ta objava opisuje, kako uvesti ponavljajoče se delovne obremenitve Forecast (delovne obremenitve napovedovanja časovnih vrst) brez uporabe kode Oblikovanje oblaka AWS, Korak funkcije AWSin Upravitelj sistemov AWS. Tukaj predstavljena metoda vam pomaga zgraditi cevovod, ki vam omogoča uporabo istega poteka dela od prvega dne eksperimentiranja napovedovanja časovnih vrst do uvedbe modela v proizvodnjo.
Napovedovanje časovnih vrst z uporabo Forecast
Potek dela za Forecast vključuje naslednje skupne koncepte:
- Uvažanje nizov podatkov – V Napovedi, a skupina podatkovnih zbirk je zbirka nizov podatkov, sheme in rezultatov napovedi, ki gredo skupaj. Vsaka skupina naborov podatkov ima lahko do tri nabore podatkov, enega od vsakega nabor podatkov vrsta: ciljna časovna vrsta (TTS), povezana časovna vrsta (RTS) in metapodatki o postavki. Nabor podatkov je zbirka datotek, ki vsebujejo podatke, pomembne za nalogo napovedovanja. Nabor podatkov mora ustrezati shemi, določeni v napovedi. Za več podrobnosti glejte Uvoz naborov podatkov.
- Prediktorji treninga - A napovedovalec je model, usposobljen za napovedi, ki se uporablja za izdelavo napovedi na podlagi podatkov časovnih vrst. Med usposabljanjem Forecast izračuna meritve natančnosti, ki jih uporabite za oceno napovedovalca in se odločite, ali boste uporabili napovedovalec za ustvarjanje napovedi. Za več informacij glejte Napovedovalci treninga.
- Ustvarjanje napovedi – Nato lahko uporabite usposobljeni model za ustvarjanje napovedi za prihodnji časovni horizont, znan kot napovedovalni horizont. Napoved zagotavlja napovedi za različne določene kvantile. Napoved pri kvantilu 0.90 bo na primer ocenila vrednost, ki je 90 % časa nižja od opazovane vrednosti. Napoved privzeto uporablja naslednje vrednosti za vrste napovedi napovedovalca: 0.1 (P10), 0.5 (P50) in 0.9 (P90). Napovedi pri različnih kvantilih se običajno uporabljajo za zagotavljanje intervala napovedi (zgornja in spodnja meja za napovedi), da se upošteva negotovost napovedi.
Ta potek dela lahko implementirate v Forecast iz Konzola za upravljanje AWSje Vmesnik ukazne vrstice AWS (AWS CLI), prek Klici API-ja z uporabo zvezkov Python, ali prek rešitev za avtomatizacijo. The konzola in AWS CLI Metode so najbolj primerne za hitro eksperimentiranje, da preverite izvedljivost napovedovanja časovnih vrst z uporabo vaših podatkov. Metoda zvezka Python je odlična za podatkovne znanstvenike, ki že poznajo zvezke in kodiranje Jupyter, ter zagotavlja največji nadzor in prilagajanje. Vendar je metodo, ki temelji na zvezku, težko operacionalizirati. Naš pristop avtomatizacije omogoča hitro eksperimentiranje, odpravlja ponavljajoče se naloge in omogoča lažji prehod med različnimi okolji (razvoj, uprizarjanje, produkcija).
V tej objavi opisujemo avtomatizacijski pristop k uporabi napovedi, ki vam omogoča uporabo lastnih podatkov in zagotavlja enoten potek dela, ki ga lahko nemoteno uporabljate v celotnem življenjskem ciklu razvoja vaše rešitve za napovedovanje, od prvih dni eksperimentiranja do uvajanja. rešitve v vašem proizvodnem okolju.
Pregled rešitev
V naslednjih razdelkih opisujemo celoten potek dela od konca do konca, ki služi kot predloga za samodejno uvajanje modelov napovedovanja časovnih vrst z uporabo Forecast. Ta potek dela ustvari napovedane podatkovne točke iz odprtokodnega vhodnega nabora podatkov; vendar lahko isti potek dela uporabite za svoje podatke, če lahko svoje podatke oblikujete v skladu s koraki, opisanimi v tej objavi. Ko naložite podatke, vas vodimo skozi korake za ustvarjanje skupin naborov podatkov napovedi, uvoz podatkov, usposabljanje modelov ML in izdelavo napovedanih podatkovnih točk na prihodnjih nevidenih časovnih obzorjih iz neobdelanih podatkov. Vse to je mogoče brez pisanja ali prevajanja kode.
Naslednji diagram prikazuje potek dela napovedovanja.
Rešitev je uvedena z uporabo dveh predlog CloudFormation: predloge odvisnosti in predloge delovne obremenitve. CloudFormation vam omogoča predvidljivo in ponavljajoče se uvajanje infrastrukture AWS z uporabo predlog, ki opisujejo vire, ki jih je treba uvesti. Razporejena predloga se imenuje a sveženj. Za definiranje infrastrukture v rešitvi smo namesto vas poskrbeli v dveh ponujenih predlogah. Predloga odvisnosti definira predpogojne vire, ki jih uporablja predloga delovne obremenitve, kot je Preprosta storitev shranjevanja Amazon (Amazon S3) vedro za shranjevanje predmetov in AWS upravljanje identitete in dostopa (IAM) dovoljenja za dejanja API-ja AWS. Vire, definirane v predlogi odvisnosti, lahko deli več predlog delovne obremenitve. Predloga delovne obremenitve določa vire, ki se uporabljajo za vnos podatkov, usposabljanje napovedovalca in ustvarjanje napovedi.
Razmestite predlogo odvisnosti CloudFormation
Najprej razmestimo predlogo odvisnosti, da ustvarimo naše predpogojne vire. Predloga odvisnosti razmesti izbirno vedro S3, AWS Lambda funkcije in vloge IAM. Amazon S3 je nizkocenovna, zelo razpoložljiva, odporna storitev za shranjevanje predmetov. V tej rešitvi uporabljamo vedro S3 za shranjevanje izvornih podatkov in sprožitev delovnega toka, kar ima za posledico napoved. Lambda je računalniška storitev brez strežnika, ki temelji na dogodkih in vam omogoča izvajanje kode brez zagotavljanja ali upravljanja strežnikov. Predloga odvisnosti vključuje funkcije za stvari, kot je ustvarjanje skupine nabora podatkov v napovedi in čiščenje predmetov v vedru S3, preden izbrišete vedro. Vloge IAM določajo dovoljenja znotraj AWS za uporabnike in storitve. Predloga odvisnosti razporedi vlogo, ki jo bo uporabljala Lambda, in drugo za Step Functions, storitev za upravljanje delovnega toka, ki bo usklajevala naloge vnosa in obdelave podatkov ter usposabljanje za napovedovanje in sklepanje z uporabo Forecast.
Izvedite naslednje korake za uvedbo predloge odvisnosti:
- Na konzoli izberite želeno Regija, ki jo podpira Forecast za uvedbo rešitve.
- Na konzoli AWS CloudFormation izberite Skladovnice v podoknu za krmarjenje.
- Izberite Ustvari sklad In izberite Z novimi viri (standardno).
- za Vir predlogetako, da izberete URL Amazon S3.
- Vnesite URL predloge:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-dependency.yaml
. - Izberite Naslednji.
- za Ime skladovnice, vnesite
forecast-mlops-dependency
. - Pod parametri, izberite uporabo obstoječega vedra S3 ali ustvarite novega, nato vnesite ime vedra.
- Izberite Naslednji.
- Izberite Naslednji da sprejmete privzete možnosti sklada.
- Izberite potrditveno polje, da potrdite, da sklad ustvarja vire IAM, nato izberite Ustvari sklad za uvedbo predloge.
Videti bi morali, da se predloga uvaja kot forecast-mlops-dependency
kup. Ko se status spremeni v CREATE_COMPLETE
, se lahko premaknete na naslednji korak.
Razmestite predlogo CloudFormation za delovno obremenitev
Nato razmestimo predlogo delovne obremenitve, da ustvarimo naše predpogojne vire. Predloga delovne obremenitve razmesti stanje stroja Step Functions za upravljanje poteka dela, Shramba parametrov AWS Systems Manager parametrov za shranjevanje vrednosti parametrov iz AWS CloudFormation in informiranje o delovnem toku, an Amazon Simple notification Service (Amazon SNS) tema za obvestila o poteku dela in vloga IAM za dovoljenja storitve poteka dela.
Rešitev ustvari pet stanovskih strojev:
- CreateDatasetGroupStateMachine – Ustvari skupino nabora podatkov napovedi za uvoz podatkov.
- CreateImportDatasetStateMachine – Uvozi izvorne podatke iz Amazon S3 v skupino nabora podatkov za usposabljanje.
- CreateForecastStateMachine – Upravlja naloge, potrebne za usposabljanje napovedovalca in ustvarjanje napovedi.
- AthenaConnectorStateMachine – Omogoča vam pisanje poizvedb SQL z Amazonska Atena priključek za kopne podatke v Amazon S3. To je izbirni postopek za pridobivanje zgodovinskih podatkov v zahtevanem formatu za Forecast z uporabo Athene namesto ročnega postavljanja datotek v Amazon S3.
- StepFunctionWorkflowStateMachine – Usklajuje klice na druge štiri državne stroje in upravlja celoten potek dela.
Parameter Store, zmožnost upravitelja sistemov, zagotavlja varno, hierarhično shranjevanje in programsko pridobivanje upravljanja konfiguracijskih podatkov in upravljanja skrivnosti. Shramba parametrov se uporablja za shranjevanje parametrov, nastavljenih v skladu delovne obremenitve, kot tudi drugih parametrov, ki jih uporablja potek dela.
Izvedite naslednje korake za razmestitev predloge delovne obremenitve:
- Na konzoli AWS CloudFormation izberite Skladovnice v podoknu za krmarjenje.
- Izberite Ustvari sklad In izberite Z novimi viri (standardno).
- za Vir predlogetako, da izberete URL Amazon S3.
- Vnesite URL predloge:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-solution-guidance.yaml
. - Izberite Naslednji.
- za Ime skladovnice, vnesite ime.
- Sprejmite privzete vrednosti ali spremenite parametre.
Ne pozabite vnesti imena vedra S3 iz sklada odvisnosti za S3 žlica in veljaven e-poštni naslov za SNSEndpoint tudi če sprejmete privzete vrednosti parametrov.
Naslednja tabela opisuje vsak parameter.
parameter | Opis | Več informacij |
DatasetGroupFrequencyRTS |
Pogostost zbiranja podatkov za nabor podatkov RTS. | . |
DatasetGroupFrequencyTTS |
Pogostost zbiranja podatkov za nabor podatkov TTS. | . |
DatasetGroupName |
Kratko ime za skupino nabora podatkov, samostojna delovna obremenitev. | CreateDatasetGroup |
DatasetIncludeItem |
Določite, ali želite zagotoviti metapodatke elementa za ta primer uporabe. | . |
DatasetIncludeRTS |
Določite, ali želite zagotoviti povezano časovno vrsto za ta primer uporabe. | . |
ForecastForecastTypes |
Ko se zažene opravilo CreateForecast, to izjavi, za katere kvantile je treba izdelati napovedi. V tem nizu lahko izberete do pet vrednosti. Uredite to vrednost, da bo vključevala vrednosti glede na potrebe. | CreateForecast |
PredictorAttributeConfigs |
Za ciljno spremenljivko v TTS in vsako številsko polje v naborih podatkov RTS je treba ustvariti zapis za vsak časovni interval za vsako postavko. Ta konfiguracija pomaga določiti, kako se zapolnijo manjkajoči zapisi: z 0, NaN ali drugače. Priporočamo, da vrzeli v TTS zapolnite z NaN namesto 0. Z 0 se lahko model napačno nauči pristranskosti napovedi proti 0. NaN je način, kako se podajo smernice. Če imate kakršna koli vprašanja o tem, se posvetujte s svojim arhitektom rešitev AWS. | CreateAutoPredictor |
PredictorExplainPredictor |
Veljavne vrednosti so TRUE ali FALSE. Ti določajo, ali je razložljivost omogočena za vaš napovedovalec. To vam lahko pomaga razumeti, kako vrednosti v RTS in metapodatki elementov vplivajo na model. | Pojasnjevanje |
PredictorForecastDimensions |
Morda boste želeli napovedati bolj fino zrnatost kot predmet. Tukaj lahko določite razsežnosti, kot so lokacija, stroškovno mesto ali karkoli že potrebujete. To se mora ujemati z dimenzijami v vašem RTS in TTS. Upoštevajte, da če nimate razsežnosti, je pravilen parameter nič, sam po sebi in v vseh malih črkah. null je rezervirana beseda, ki sistemu sporoči, da za dimenzijo ni parametra. | CreateAutoPredictor |
PredictorForecastFrequency |
Določa časovno lestvico, v kateri bodo ustvarjeni vaš model in napovedi, na primer dnevno, tedensko ali mesečno. Spustni meni vam pomaga izbrati dovoljene vrednosti. To se mora ujemati z vašo časovno lestvico RTS, če uporabljate RTS. | CreateAutoPredictor |
PredictorForecastHorizon |
Število časovnih korakov, ki jih predvideva model. Napovedni horizont se imenuje tudi dolžina napovedi. | CreateAutoPredictor |
PredictorForecastOptimizationMetric |
Določa metriko natančnosti, ki se uporablja za optimizacijo napovedovalca. Spustni meni vam bo v pomoč pri izbiri tehtanih kvantilnih bilanc izgube za previsoko ali prenizko napovedovanje. RMSE se nanaša na enote, WAPE/MAPE pa na odstotke napak. | CreateAutoPredictor |
PredictorForecastTypes |
Ko CreateAutoPredictor opravil, to navaja, kateri kvantili se uporabljajo za usposabljanje točk napovedi. V tej matriki lahko izberete do pet vrednosti, kar vam omogoča, da uravnotežite previsoko in premajhno napovedovanje. Uredite to vrednost, da bo vključevala vrednosti glede na potrebe. |
CreateAutoPredictor |
S3Bucket |
Ime vedra S3, kjer so zapisani vhodni in izhodni podatki za to delovno obremenitev. | . |
SNSEndpoint |
Veljaven e-poštni naslov za prejemanje obvestil, ko sta opravila napovedovanja in napovedi končana. | . |
SchemaITEM |
To definira fizični vrstni red, imena stolpcev in tipe podatkov za vaš nabor metapodatkov elementa. To je neobvezna datoteka v primeru rešitve. | CreateDataset |
SchemaRTS |
To določa fizični vrstni red, imena stolpcev in vrste podatkov za vaš nabor podatkov RTS. Dimenzije se morajo ujemati z vašim TTS. Časovni niz te datoteke ureja časovni niz, pri katerem je mogoče narediti napovedi. To je neobvezna datoteka v primeru rešitve. | CreateDataset |
SchemaTTS |
To določa fizični vrstni red, imena stolpcev in vrste podatkov za vaš nabor podatkov TTS, edini zahtevani nabor podatkov. Datoteka mora vsebovati vsaj ciljno vrednost, časovni žig in element. | CreateDataset |
TimestampFormatRTS |
Določa obliko časovnega žiga v datoteki RTS. | CreateDatasetImportJob |
TimestampFormatTTS |
Določa obliko časovnega žiga v datoteki TTS. | CreateDatasetImportJob |
- Izberite Naslednji da sprejmete privzete možnosti sklada.
- Izberite potrditveno polje, da potrdite, da sklad ustvarja vire IAM, nato izberite Ustvari sklad za uvedbo predloge.
Razmestitev predloge bi morali videti kot ime sklada, ki ste ga izbrali prej. Ko se status spremeni v CREATE_COMPLETE
, se lahko premaknete na korak nalaganja podatkov.
Naložite podatke
V prejšnjem razdelku ste navedli ime sklada in vedro S3. Ta razdelek opisuje, kako deponirati javno dostopen nabor podatkov Povpraševanje po hrani v tem vedru. Če uporabljate svoj nabor podatkov, glejte Podatkovni nizi da pripravite nabor podatkov v obliki, ki jo pričakuje uvedba. Nabor podatkov mora vsebovati vsaj ciljno časovno vrsto in po izbiri povezano časovno vrsto in metapodatke o postavki:
- TTS so podatki časovne vrste, ki vključujejo polje, za katerega želite ustvariti napoved; to polje se imenuje ciljno polje
- RTS so podatki o časovni vrsti, ki ne vključujejo ciljnega polja, vključujejo pa povezano polje
- Datoteka s podatki o elementu ni podatek časovne vrste, ampak vključuje informacije o metapodatkih o elementih v naborih podatkov TTS ali RTS
Izvedite naslednje korake:
- Če uporabljate predloženi vzorčni nabor podatkov, prenesite nabor podatkov Povpraševanje po hrani v računalnik in razpakirajte datoteko, kar ustvari tri datoteke v treh imenikih (
rts
,tts
,item
). - Na konzoli Amazon S3 se pomaknite do vedra, ki ste ga ustvarili prej.
- Izberite Ustvari mapo.
- Za ime mape uporabite isti niz kot ime sklada delovne obremenitve.
- Izberite Pošiljanje.
- Izberite tri mape nabora podatkov in nato izberite Pošiljanje.
Ko je nalaganje končano, bi morali videti nekaj podobnega naslednjemu posnetku zaslona. Za ta primer je naša mapa aiml42
.
Ustvarite skupino nabora podatkov napovedi
Dokončajte korake v tem razdelku, da ustvarite skupino nabora podatkov kot enkratni dogodek za vsako delovno obremenitev. V prihodnje bi morali načrtovati izvajanje uvoznih podatkov, ustvariti napovedovalec in ustvariti korake napovedi, kot je primerno, kot niz, v skladu z vašim urnikom, ki je lahko dnevni, tedenski ali kako drugače.
- Na konzoli Step Functions poiščite avtomat stanja, ki vsebuje
Create-Dataset-Group
. - Na strani s podrobnostmi stroja stanja izberite Začni izvedbo.
- Izberite Začni izvedbo ponovno potrditi.
Stroj stanja zažene približno 1 minuto. Ko je končano, je vrednost pod Stanje izvedbe bi se moral spremeniti od Tek do Uspelo
Uvozite podatke v Forecast
Sledite korakom v tem razdelku, da uvozite nabor podatkov, ki ste ga naložili v vedro S3, v skupino nabora podatkov:
- Na konzoli Step Functions poiščite avtomat stanja, ki vsebuje
Import-Dataset
. - Na strani s podrobnostmi stroja stanja izberite Začetek izvajanja.
- Izberite Začni izvedbo ponovno potrditi.
Količina časa, ki ga stroj stanja potrebuje za delovanje, je odvisna od nabora podatkov, ki se obdeluje.
- Medtem ko se to izvaja, v brskalniku odprite drug zavihek in se pomaknite do konzole Forecast.
- Na konzoli napovedi izberite Oglejte si skupine naborov podatkov in se pomaknite do skupine nabora podatkov z imenom, podanim za
DataGroupName
iz vašega sklada delovne obremenitve. - Izberite Oglejte si nize podatkov.
Videti bi morali uvoze podatkov v teku.
Ko državni stroj za Import-Dataset
dokončan, lahko nadaljujete z naslednjim korakom za izgradnjo podatkovnega modela časovne vrste.
Ustvarite AutoPredictor (usposobite model časovne serije)
Ta razdelek opisuje, kako usposobiti začetni napovedovalec z napovedjo. Lahko se odločite, da ustvarite nov napovedovalec (vaš prvi, osnovni napovedovalec) ali znova usposobite napovedovalec med vsakim proizvodnim ciklom, ki je lahko dnevni, tedenski ali drug. Lahko se tudi odločite, da ne boste ustvarili napovedovalca vsak cikel in se zanašate na spremljanje napovedovalca, da vas bo vodilo, kdaj ga ustvariti. Naslednja slika vizualizira postopek ustvarjanja napovedovalca napovedi, pripravljenega za proizvodnjo.
Če želite ustvariti nov napovedovalec, izvedite naslednje korake:
- Na konzoli Step Functions poiščite avtomat stanja, ki vsebuje
Create-Predictor
. - Na strani s podrobnostmi stroja stanja izberite Začetek izvajanja.
- Izberite Začni izvedbo ponovno potrditi.
Količina izvajalnega časa je lahko odvisna od nabora podatkov, ki se obdeluje. To lahko traja do eno uro ali več. - Medtem ko se to izvaja, v brskalniku odprite drug zavihek in se pomaknite do konzole Forecast.
- Na konzoli napovedi izberite Oglejte si skupine naborov podatkov in se pomaknite do skupine nabora podatkov z imenom, podanim za
DataGroupName
iz vašega sklada delovne obremenitve. - Izberite Oglejte si napovednike.
Videti bi morali, da poteka usposabljanje napovedovalca (stanje usposabljanja prikazuje »Ustvarjanje poteka ...«).
Ko državni stroj za Create-Predictor
dokončan, lahko ocenite njegovo delovanje.
Kot del državnega stroja sistem ustvari napovedovalec in zažene tudi a BacktestExport
opravilo, ki zapisuje metrike napovednika na ravni časovne serije v Amazon S3. To so datoteke, ki se nahajajo v dveh mapah S3 pod backtest-export
mapa:
- natančnost-metrike-vrednosti – Zagotavlja izračune metrike natančnosti na ravni postavke, tako da lahko razumete uspešnost posamezne časovne serije. To vam omogoča, da raziščete širjenje, namesto da se osredotočite samo na globalne meritve.
- napovedane vrednosti – Zagotavlja napovedi na ravni korakov za vsako časovno serijo v oknu za testiranje za nazaj. To vam omogoča primerjavo dejanske ciljne vrednosti iz niza testov zadrževanja s predvidenimi vrednostmi kvantila. Pregledovanje tega pomaga pri oblikovanju zamisli o tem, kako zagotoviti dodatne podatkovne funkcije v RTS ali metapodatke elementov za pomoč pri boljši oceni prihodnjih vrednosti in nadaljnje zmanjšanje izgube. Lahko prenesete
backtest-export
datoteke iz Amazon S3 ali poizvedujte po njih z Atheno.
S svojimi lastnimi podatki morate natančno pregledati napovedovalne rezultate in zagotoviti, da meritve ustrezajo vašim pričakovanim rezultatom z uporabo podatkov o izvozu za nazaj. Ko ste zadovoljni, lahko začnete ustvarjati napovedi za prihodnost, kot je opisano v naslednjem razdelku.
Ustvarite napoved (sklep o prihodnjih časovnih obzorjih)
V tem razdelku je opisano, kako z Napovedjo ustvariti podatkovne točke napovedi. V prihodnje bi morali zbrati nove podatke iz izvornega sistema, jih uvoziti v Forecast in nato ustvariti podatkovne točke napovedi. Po želji lahko vstavite tudi novo ustvarjanje napovedovalca po uvozu in pred napovedjo. Naslednja slika vizualizira postopek ustvarjanja napovedi proizvodnih časovnih vrst z uporabo Forecast.
Izvedite naslednje korake:
- Na konzoli Step Functions poiščite avtomat stanja, ki vsebuje
Create-Forecast
. - Na strani s podrobnostmi stroja stanja izberite Začetek izvajanja.
- Izberite Začni izvedbo ponovno potrditi.
Ta avtomat stanja se konča zelo hitro, ker sistem ni konfiguriran za ustvarjanje napovedi. Ne ve, kateri napovedovalni model ste odobrili za sklepanje.
Konfigurirajmo sistem za uporabo vašega usposobljenega napovedovalca. - Na konzoli Forecast poiščite ARN za vaš napovedovalec.
- Kopirajte ARN za uporabo v poznejšem koraku.
- V brskalniku odprite drug zavihek in se pomaknite do konzole System Manager.
- Na konzoli System Manager izberite Shramba parametrov v podoknu za krmarjenje.
- Poiščite parameter, povezan z vašim skladom (
/forecast/<StackName>/Forecast/PredictorArn
). - Vnesite ARN, ki ste ga kopirali za svoj napovedovalec.
Tako povežete usposobljenega napovedovalca s funkcijo sklepanja napovedi. - Poiščite parameter
/forecast/<StackName>/Forecast/Generate
in uredite vrednost, zamenjajteFALSE
zTRUE
.
Zdaj ste pripravljeni na izvajanje opravila napovedi za to skupino nabora podatkov. - Na konzoli Step Functions zaženite
Create-Forecast
državni stroj.
Tokrat delo poteka po pričakovanjih. Kot del državnega stroja sistem ustvari napoved in a ForecastExport
delo, ki zapisuje napovedi časovnih vrst v Amazon S3. Te datoteke se nahajajo v forecast
mapa
Znotraj forecast
boste našli napovedi za svoje elemente, ki se nahajajo v številnih datotekah CSV ali Parquet, odvisno od vaše izbire. Napovedi za vsak časovni korak in izbrano časovno vrsto obstajajo z vsemi izbranimi kvantilnimi vrednostmi na zapis. Te datoteke lahko prenesete iz Amazon S3, poizvedujete po njih z Atheno ali izberete drugo strategijo za uporabo podatkov.
S tem se zaključi celoten potek dela. Zdaj lahko vizualizirate svoje rezultate s katerim koli vizualizacijskim orodjem po vaši izbiri, kot je npr Amazon QuickSight. Druga možnost je, da podatkovni znanstveniki uporabijo pande za ustvarjanje lastnih ploskev. Če se odločite za uporabo QuickSighta, lahko povežite rezultate napovedi s QuickSightom za izvajanje transformacij podatkov, ustvarjanje ene ali več analiz podatkov in ustvarite vizualizacije.
Ta postopek ponuja predlogo, ki ji je treba slediti. Vzorec boste morali prilagoditi svoji shemi, nastaviti obzorje napovedi, časovno ločljivost in tako naprej glede na vaš primer uporabe. Nastaviti boste morali tudi ponavljajoči se urnik, kjer se podatki zbirajo iz izvornega sistema, uvoziti podatke in izdelati napovedi. Če želite, lahko med koraka uvoza in napovedi vstavite nalogo napovedovalca.
Ponovno usposobite napovedovalca
Sprehodili smo se skozi proces usposabljanja novega napovedovalca, kaj pa prekvalificiranje napovedovalca? Preusposabljanje napovedovalca je eden od načinov za zmanjšanje stroškov in časa, povezanega z usposabljanjem napovedovalca na najnovejših razpoložljivih podatkih. Namesto da ustvarimo nov napovedovalec in ga urimo na celotnem naboru podatkov, lahko znova usposobimo obstoječega napovedovalca tako, da zagotovimo samo nove inkrementalne podatke, ki so na voljo od zadnjega urjenja napovedovalca. Oglejmo si, kako prekvalificirati napovedovalca z uporabo rešitve za avtomatizacijo:
- Na konzoli napovedi izberite Oglejte si skupine naborov podatkov.
- Izberite skupino nabora podatkov, povezano s prediktorjem, ki ga želite ponovno usposobiti.
- Izberite Oglejte si napovednike, nato izberite napovedovalca, ki ga želite ponovno usposobiti.
- o Nastavitve zavihek kopirajte napovedovalec ARN.
Posodobiti moramo parameter, ki ga uporablja potek dela za identifikacijo napovedovalca za ponovno usposabljanje. - Na konzoli System Manager izberite Shramba parametrov v podoknu za krmarjenje.
- Poiščite parameter
/forecast/<STACKNAME>/Forecast/Predictor/ReferenceArn
. - Na strani s podrobnostmi parametrov izberite Uredi.
- za vrednost, vnesite napovednik ARN.
To identificira pravilen napovednik za potek dela za ponovno usposabljanje. Nato moramo posodobiti parameter, ki ga uporablja potek dela, da spremenimo strategijo usposabljanja. - Poiščite parameter
/forecast/<STACKNAME>/Forecast/Predictor/Strategy
. - Na strani s podrobnostmi parametrov izberite Uredi.
- Za vrednost vnesite
RETRAIN
.
Potek dela privzeto usposablja novega napovedovalca; vendar lahko to vedenje spremenimo tako, da znova usposobimo obstoječega napovedovalca ali preprosto ponovno uporabimo obstoječega napovedovalca brez ponovnega usposabljanja, tako da to vrednost nastavimo naNONE
. Morda se boste želeli odreči usposabljanju, če so vaši podatki relativno stabilni ali če uporabljate avtomatsko spremljanje napovednikov odločiti, kdaj je prekvalifikacija potrebna. - Naložite inkrementalne podatke o vadbi v vedro S3.
- Na konzoli Step Functions poiščite avtomat stanja
<STACKNAME>-Create-Predictor
. - Na strani s podrobnostmi stroja stanja izberite Začni izvedbo za začetek prekvalifikacije.
Ko je preusposabljanje končano, se potek dela konča in prejeli boste e-poštno obvestilo SNS na e-poštni naslov, naveden v parametrih predloge delovne obremenitve.
Čiščenje
Ko končate s to rešitvijo, sledite korakom v tem razdelku, da izbrišete povezane vire.
Izbrišite vedro S3
- Na konzoli Amazon S3 izberite Žlice v podoknu za krmarjenje.
- Izberite vedro, kamor so bili naloženi podatki, in izberite prazna da izbrišete vse podatke, povezane z rešitvijo, vključno z izvornimi podatki.
- Vnesite
permanently delete
da trajno izbrišete vsebino vedra. - o Žlice stran, izberite vedro in izberite Brisanje.
- Vnesite ime vedra, da potrdite brisanje, in izberite Izbriši vedro.
Izbriši vire napovedi
- Na konzoli napovedi izberite Oglejte si skupine naborov podatkov.
- Izberite ime skupine nabora podatkov, povezano z rešitvijo, nato izberite Brisanje.
- Vnesite
delete
da izbrišete skupino nabora podatkov in povezane napovedovalce, izvozna opravila za testiranje napovedi za nazaj, napovedi in izvozna opravila napovedi. - Izberite Brisanje potrditi.
Izbrišite sklade CloudFormation
- Na konzoli AWS CloudFormation izberite Skladovnice v podoknu za krmarjenje.
- Izberite sklad delovne obremenitve in izberite Brisanje.
- Izberite Izbriši sklad za potrditev izbrisa sklada in vseh povezanih virov.
- Ko je brisanje končano, izberite sklad odvisnosti in izberite Brisanje.
- Izberite Brisanje potrditi.
zaključek
V tej objavi smo obravnavali nekaj različnih načinov, kako začeti uporabljati Forecast. Sprehodili smo se skozi avtomatizirano rešitev za napovedovanje, ki temelji na AWS CloudFormation za hitro, ponovljivo uvajanje rešitve cevovoda Forecast od vnosa podatkov do sklepanja, pri čemer ni bilo potrebno malo znanja o infrastrukturi. Nazadnje smo videli, kako lahko uporabimo Lambda za avtomatizacijo preusposabljanja modela, s čimer zmanjšamo stroške in čas usposabljanja.
Ni boljšega časa od sedanjosti, da začnete napovedovati z napovedjo. Če želite začeti graditi in uvajati avtomatiziran potek dela, obiščite Viri Amazon Forecast. Veselo napovedovanje!
O avtorjih
Aaron Fagan je glavni specialist za rešitve pri AWS s sedežem v New Yorku. Specializiran je za pomoč strankam pri načrtovanju rešitev na področju strojnega učenja in varnosti v oblaku.
Raju Patil je podatkovni znanstvenik v AWS Professional Services. Gradi in uvaja rešitve AI/ML za pomoč strankam AWS pri premagovanju njihovih poslovnih izzivov. Njegovo sodelovanje z AWS je pokrivalo širok spekter primerov uporabe AI/ML, kot so računalniški vid, napovedovanje časovnih vrst in napovedna analitika itd., v številnih panogah, vključno s finančnimi storitvami, telekomunikacijami, zdravstvom in drugimi. Pred tem je vodil skupine Data Science v oglaševalski tehnologiji in pomembno prispeval k številnim raziskovalnim in razvojnim pobudam na področju računalniškega vida in robotike. Izven dela se ukvarja s fotografijo, pohodništvom, potovanji in kulinaričnim raziskovanjem.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoAiStream. Podatkovna inteligenca Web3. Razširjeno znanje. Dostopite tukaj.
- Kovanje prihodnosti z Adryenn Ashley. Dostopite tukaj.
- Kupujte in prodajajte delnice podjetij pred IPO s PREIPO®. Dostopite tukaj.
- vir: https://aws.amazon.com/blogs/machine-learning/automate-the-deployment-of-an-amazon-forecast-time-series-forecasting-model/
- :ima
- : je
- :ne
- :kje
- $GOR
- 1
- 10
- 100
- 11
- 20
- 20 let
- 2022
- 7
- 8
- 9
- a
- O meni
- Sprejmi
- dostop
- Po
- Račun
- natančnost
- potrditi
- čez
- dejavnosti
- prilagodijo
- Dodatne
- Dodatne informacije
- Naslov
- Oglaševanje
- po
- spet
- AI / ML
- algoritem
- algoritmi
- vsi
- Dovoli
- omogoča
- sam
- že
- Prav tako
- Amazon
- Amazonska napoved
- znesek
- an
- Analize
- analitika
- in
- Še ena
- kaj
- API
- pristop
- primerno
- odobren
- SE
- Array
- AS
- pomoč
- Sodelavec
- povezan
- At
- avtomatizirati
- Avtomatizirano
- samodejno
- Avtomatizacija
- Na voljo
- AWS
- Oblikovanje oblaka AWS
- Strokovne storitve AWS
- Backtest
- Ravnovesje
- tehtnice
- temeljijo
- Izhodišče
- BE
- ker
- pred
- začetek
- počutje
- BEST
- Boljše
- med
- pristranskosti
- Bound
- Pasovi
- Predložitev
- brskalnik
- izgradnjo
- Building
- Gradi
- poslovni
- vendar
- by
- izračuna
- se imenuje
- poziva
- CAN
- ki
- primeru
- primeri
- center
- izzivi
- spremenite
- Spremembe
- preveriti
- izbira
- Izberite
- izbral
- izbran
- tesno
- Cloud
- Varnost v oblaku
- Koda
- Kodiranje
- zbirka
- Stolpec
- COM
- Skupno
- primerjate
- dokončanje
- kompleksna
- izračuni
- Izračunajte
- računalnik
- Računalniška vizija
- koncepti
- zaskrbljen
- konfiguracija
- Potrdi
- Konzole
- vsebujejo
- Vsebina
- prispevkov
- nadzor
- koordinate
- popravi
- strošek
- bi
- zajeti
- ustvarjajo
- ustvaril
- ustvari
- Ustvarjanje
- Oblikovanje
- Stranke, ki so
- cikel
- Ciklično
- vsak dan
- datum
- Upravljanje podatkov
- podatkovne točke
- znanost o podatkih
- podatkovni znanstvenik
- nabor podatkov
- nabor podatkov
- dan
- Dnevi
- odloča
- izjavi
- privzeto
- privzeto
- opredeljen
- Določa
- definiranje
- dostavi
- Odvisno
- odvisno
- razporedi
- razporejeni
- uvajanja
- uvajanje
- razmestitve
- razpolaga
- depozit
- opisati
- opisano
- želeno
- Podatki
- Podrobnosti
- Ugotovite,
- Razvijalci
- Razvoj
- drugačen
- težko
- Dimenzije
- dimenzije
- imeniki
- razpravljali
- do
- Ne
- opravljeno
- prenesi
- med
- vsak
- prej
- lažje
- bodisi
- odpravlja
- E-naslov
- omogočena
- omogoča
- konec
- konec koncev
- zagotovitev
- Vnesite
- Celotna
- okolje
- okolja
- napake
- oceniti
- itd
- oceniti
- Tudi
- Event
- Primer
- izvedba
- obstajajo
- obstoječih
- Pričakuje
- pričakovati
- izkušnje
- izvoz
- olajša
- false
- seznanjeni
- Lastnosti
- Polje
- Slika
- file
- datoteke
- Vložitev
- napolnjena
- končno
- finančna
- finančne storitve
- Najdi
- prva
- osredotoča
- sledi
- po
- za
- Napoved
- Napovedi
- format
- Naprej
- Naprej
- štiri
- frekvenca
- iz
- v celoti
- funkcija
- funkcije
- nadalje
- Prihodnost
- ustvarjajo
- ustvarila
- ustvarjajo
- dobili
- Globalno
- Go
- dogaja
- vlada
- graf
- veliko
- skupina
- Skupine
- Navodila
- vodi
- srečna
- žetev
- Imajo
- ob
- he
- Zdravje
- Health Care
- pomoč
- pomoč
- Pomaga
- tukaj
- zelo
- njegov
- zgodovinski
- obzorje
- Horizons
- uro
- Kako
- Kako
- Vendar
- HTML
- http
- HTTPS
- Ideje
- identificira
- identificirati
- identiteta
- if
- ponazarja
- izvajati
- uvoz
- uvoz
- in
- vključujejo
- vključuje
- Vključno
- industrij
- vplivajo
- obvesti
- Podatki
- Infrastruktura
- začetna
- pobud
- vhod
- Namesto
- v
- razišče
- vključeni
- IT
- Izdelkov
- ITS
- sam
- Job
- Delovna mesta
- jpg
- Vedite
- znanje
- znano
- Država
- Zadnja
- pozneje
- Zadnji
- UČITE
- učenje
- vsaj
- Led
- Led podatki
- Lets
- življenski krog
- kot
- vrstica
- malo
- nahaja
- kraj aktivnosti
- Long
- off
- nizkimi stroški
- nižje
- stroj
- strojno učenje
- Stroji
- je
- Izdelava
- upravljanje
- upravlja
- upravljanje
- upravitelj
- upravlja
- upravljanje
- ročno
- več
- največja
- Maj ..
- Srečati
- Meni
- metapodatki
- Metoda
- Metode
- meritev
- Meritve
- morda
- minimalna
- min
- manjka
- ML
- Model
- modeli
- spremenite
- spremljanje
- mesečno
- več
- premikanje
- več
- morajo
- Ime
- Imena
- Krmarjenje
- ostalo
- potrebno
- Nimate
- potrebe
- Novo
- NY
- Naslednja
- št
- prenosnik
- Obvestilo
- Obvestila
- zdaj
- Številka
- številne
- predmet
- predmeti
- pridobi
- of
- on
- ONE
- samo
- odprite
- open source
- Optimizirajte
- možnosti
- or
- Da
- Ostalo
- drugače
- naši
- ven
- rezultatov
- opisano
- izhod
- zunaj
- več
- Splošni
- lastne
- Stran
- pand
- podokno
- parameter
- parametri
- del
- odstotkov
- Izvedite
- performance
- trajno
- Dovoljenja
- fotografija
- fizično
- plinovod
- Kraj
- dajanje
- Načrt
- platon
- Platonova podatkovna inteligenca
- PlatoData
- točke
- mogoče
- Prispevek
- napovedano
- napovedovanje
- napoved
- Napovedi
- Napovedna analiza
- Predictor
- Napovedi
- Pripravimo
- predstaviti
- predstavljeni
- prejšnja
- , ravnateljica
- Predhodna
- Postopek
- Predelano
- obravnavati
- proizvodnjo
- proizvodnja
- strokovni
- programsko
- Napredek
- zagotavljajo
- če
- zagotavlja
- zagotavljanje
- javno
- Python
- poizvedbe
- vprašanja
- Hitri
- hitro
- območje
- hitro
- precej
- Surovi
- pripravljen
- prejeti
- Priporočamo
- zapis
- evidence
- ponavljajoče se
- zmanjša
- zmanjšanje
- besedilu
- nanaša
- redni
- povezane
- relativno
- pomembno
- zanašajo
- odstranjevanje
- ponovljivo
- PONOVNO
- ponavljajoč
- obvezna
- Raziskave
- raziskave in razvoj
- pridržane
- odporno
- Resolucija
- viri
- rezultat
- Rezultati
- ponovna
- pregledovanje
- robotika
- vloga
- vloge
- Run
- tek
- Enako
- Vzorčni niz podatkov
- zadovoljni
- Lestvica
- urnik
- Znanost
- Znanstvenik
- Znanstveniki
- brez težav
- Oddelek
- oddelki
- zavarovanje
- varnost
- glej
- izbran
- izbor
- Serija
- Brez strežnika
- Strežniki
- služi
- Storitev
- Storitve
- nastavite
- nastavitev
- deli
- Kratke Hlače
- shouldnt
- Razstave
- pomemben
- Enostavno
- preprosto
- saj
- sam
- So
- Rešitev
- rešitve
- nekaj
- Nekaj
- vir
- specialist
- specializirano
- določeno
- namaz
- stabilna
- sveženj
- uprizoritev
- standardna
- Začetek
- začel
- Začetek
- Država
- Status
- Korak
- Koraki
- shranjevanje
- trgovina
- Strategija
- String
- Struktura
- taka
- Podprti
- sistem
- sistemi
- miza
- Bodite
- meni
- ciljna
- Naloga
- Naloge
- Skupine
- Tehnologija
- telecom
- Predloga
- predloge
- Test
- kot
- da
- O
- Vir
- Država
- njihove
- Njih
- POTEM
- Tukaj.
- te
- stvari
- ta
- 3
- skozi
- vsej
- čas
- Časovne serije
- Časovni žig
- do
- skupaj
- orodje
- temo
- proti
- Vlak
- usposobljeni
- usposabljanje
- transformacije
- Prehod
- potovanja
- sprožijo
- Res
- dva
- tip
- Vrste
- tipično
- Negotovost
- pod
- razumeli
- enote
- Nadgradnja
- naložili
- URL
- uporaba
- primeru uporabe
- Rabljeni
- Uporabniki
- uporabo
- vrednost
- Vrednote
- različnih
- zelo
- preko
- Vizija
- obisk
- vizualizacija
- hodil
- želeli
- je
- način..
- načini
- we
- Tedenski
- Dobro
- Kaj
- kdaj
- ali
- ki
- široka
- Širok spekter
- bo
- z
- v
- brez
- beseda
- delo
- pisati
- pisni
- let
- york
- Vi
- Vaša rutina za
- zefirnet
- Zip