Välj specifika tidsserier att prognostisera med Amazon Forecast

Idag är vi glada att meddela det Amazon Prognos erbjuder möjligheten att generera prognoser för en vald delmängd av objekt. Detta hjälper dig att utnyttja det fulla värdet av din data och tillämpa den selektivt på ditt val av objekt, vilket minskar tiden och ansträngningen för att få prognostiserade resultat.

Att generera en prognos för "alla" objekt i datamängden begränsade dig från friheten att ha finkorniga kontroller över specifika objekt som du ville prognostisera. Detta innebar ökade kostnader för prognostiserade poster med låg/ingen prioritet och ytterligare omkostnader. Tidigare skulle du spendera mycket tid på att generera flera förutsägelser för alla objekt i din data. Detta var tidskrävande och operativt tungt att hantera. Dessutom utnyttjar detta tillvägagångssätt inte fullt ut värdet av maskininlärning (ML): att tillämpa slutsatser över önskade objekt. Med möjligheten att välja en delmängd av objekt kan du nu fokusera på att träna modellen med all din data, men tillämpa lärdomarna för att välja några högavkastande artiklar. Detta kommer att bidra till en övergripande optimering av prognosplanering genom att öka produktiviteten (färre poster att hantera) och minska kostnaderna (reducering av pris per prognostiserad artikel). Detta gör också förklaringen lättare att hantera.

Med dagens lansering kan du inte bara köra alla steg, utan du kan också välja att välja en delmängd av objekt att prognostisera genom att ladda upp en csv under steget "Skapa en prognos". Du behöver inte ta med hela målet eller relaterade tidsserier och objektmetadata vilket sparar avsevärd ansträngning för dig. Detta kommer också att hjälpa till att minska det totala infrastrukturavtrycket för prognostiserade artiklar, vilket resulterar i kostnadsbesparingar och produktivitet. Du kan göra det här steget med 'CreateForecast' API eller följa följande konsolsteg.

Prognos för utvald delmängd av objekt

Nu kommer vi att gå igenom hur du använder Prognoskonsolen för att välja utvalda objekt i indatadataset.

Steg 1: Importera träningsdata

För att importera tidsseriedata till Forecast, skapa en datauppsättningsgrupp, välj en domän för din datauppsättningsgrupp, ange detaljerna för dina data och peka på Prognos till Amazon Simple Storage Service (Amazon S3) plats för dina data. I det här exemplet, låt oss anta att din datauppsättning har 1000 objekt.

Notera: Den här övningen förutsätter att du inte har skapat några datasetgrupper. Om du tidigare skapat en datauppsättningsgrupp kommer det du ser att variera något från följande skärmdumpar och instruktioner.

För att importera tidsseriedata för prognoser

1. Öppna Forecast-konsolen här..
2. Välj på startsidan för Prognos Skapa datagrupp.
3. På Skapa datagrupp sida, lägg till detaljerna för din indatauppsättning.
   
4. Välja Nästa.
5. Smakämnen Dataset detaljer panelen ska se ut som följande:
   
6. När du har angett all nödvändig information på sidan för import av datauppsättning, Information om datauppsättning panelen ska se ut som följande:
   
7. Välja Start.

Vänta tills Prognos har slutfört importen av dina tidsseriedata. Processen kan ta flera minuter eller längre. När din datauppsättning har importerats övergår statusen till Aktiva och bannern överst på instrumentpanelen meddelar dig att du har lyckats importera din data.

Nu när din måltidsseriedatauppsättning har importerats kan du skapa en prediktor.

Steg 2: Skapa en prediktor

Därefter skapar du en prediktor som du använder för att generera prognoser baserat på dina tidsseriedata. Prognos tillämpar den optimala kombinationen av algoritmer för varje tidsserie i dina datamängder.

För att skapa en prediktor med Prognoskonsolen anger du ett prediktornamn, en prognosfrekvens och definierar en prognoshorisont. För mer information om de ytterligare fälten som du kan konfigurera, se Träningsprediktorer.

För att skapa en prediktor

1. Efter att din måltidsseriedatauppsättning har slutförts importeras din datauppsättningsgrupp Dashboard bör se ut som följande:
   
   Enligt Träna en prediktorväljer Start. De Träna prediktor sidan visas.
2. På Träna prediktor sida, för Prediktorinställningar, Lämna följande information:
   • Predictor namn
   • Prognosfrekvens
   • Prognoshorisont
   • Prognosmått och Prognos kvantiler (Tillval)

Nu när din prediktor har tränats på 1000 objekt kan du gå till nästa steg för att generera en prognos.

Steg 3: Skapa en prognos

1. Välj Skapa prognos.
2. Skriv prognosnamnet
3. Välj en prediktor.
4. Välj kvantiler – Ange upp till fem kvantiler.
5. Om du vill generera prognosen för alla 1000 objekt, välj sedan "Alla artiklar".
   
6. Eller så kan du välja "Valda objekt", vilket låter dig välja specifika objekt av de 1000 objekt som ska prognostiseras.
   
7. Ange platsen för s3-filen som innehåller den valda tidsserien. Tidserier måste inkludera alla objekt- och dimensionskolumner som anges i måltidsserien.
   
8. Du måste också definiera ditt schema för indatafilen som innehåller de valda tidsserierna. Ordningen på kolumner som definieras i schemat bör matcha kolumnordningen i indatafilen.
9. Tryck på Generera prognos.
10. Utför en export och .csv-filen visar dig bara de markerade objekten som du valde.

Slutsats

Prognos ger dig nu möjligheten att välja en delmängd av objekt från indatauppsättningen. Med den här funktionen kan du träna din modell med all tillgänglig data och sedan tillämpa lärdomarna för att välja objekt som du vill prognostisera. Detta hjälper till att spara tid och fokusera insatser på högprioriterade artiklar. Du kan uppnå kostnadsminskningar och bättre anpassa ansträngningarna till affärsresultat. "Prognos utvalda objekt" är tillgänglig i alla regioner där Prognos är allmänt tillgänglig.

För att lära dig mer om prognoser för "utvalda objekt", besök detta anteckningsbok eller läs mer på Prognosen utvecklarguide.

---

Om författarna

Möt Dave är Sr Product Manager i Amazon Forecast-teamet. Han är intresserad av allt som rör data och tillämpning av dem för att generera nya intäktsströmmar. Utanför jobbet gillar han att laga indisk mat och titta på intressanta shower.

Ridhim Rastogi är en mjukvaruutvecklingsingenjör i Amazon Forecast-teamet. Han brinner för att bygga skalbara distribuerade system med fokus på att lösa verkliga problem genom AI/ML. På fritiden gillar han att lösa pussel, läsa skönlitteratur och utforska.

• Myntsmart. Europas bästa bitcoin- och kryptobörs.
• Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. FRI TILLGÅNG.
• CryptoHawk. Altcoin radar. Gratis provperiod.
• Källa: https://aws.amazon.com/blogs/machine-learning/choose-specific-timeseries-to-forecast-with-amazon-forecast/