使用 Amazon Forecast 为没有历史数据的产品生成冷启动预测，现在准确率提高了 45%

现在用 亚马逊预报，您可以为没有历史数据的产品生成高达 45% 的准确预测。 Forecast 是一种托管服务，它使用机器学习 (ML) 生成准确的需求预测，无需任何 ML 经验。 准确的预测是库存优化、物流规划和劳动力管理的基础，它使企业能够更好地为客户服务。 冷启动预测 这是一个常见的挑战，需要生成预测但没有产品的历史数据。 这在零售、制造或包装消费品等行业中很典型，在这些行业中，通过将新开发的产品推向市场、首次引入品牌或目录，或将产品交叉销售到新地区，可以快速推出新产品。 通过此次发布，我们改进了现有的冷启动预测方法，现在提供的预测准确度提高了 45%。

开发冷启动预测模型可能具有挑战性，因为自回归积分移动平均 (ARIMA) 或指数平滑等传统统计预测方法是使用产品的历史数据可用于预测其未来值的概念构建的。 但是，没有历史数据，就无法计算模型参数，也就无法建立模型。 Forecast 已经能够使用专有技术为冷启动产品生成预测 神经网络算法 例如 DeepAR+ 和 CNN-QR。 这些模型学习产品之间的关系，并可以为没有历史数据的产品生成预测。 使用项目元数据来建立这些关系是隐含的，这意味着网络无法完全推断冷启动产品的趋势特征。

今天，我们推出了一种新的冷启动预测方法，其准确度比以前高出 45%。 这种方法改进了我们对项目元数据的处理，通过它我们可以在您的数据集中识别与冷启动产品具有最相似特征的显式产品。 通过关注类似产品的这一部分，我们能够更好地了解趋势以生成冷启动产品的预测。 例如，一家推出新 T 恤系列的时装零售商希望预测该系列的需求以优化商店库存。 您可以为 Forecast 提供目录中其他产品的历史数据，例如现有的 T 恤系列、夹克、裤子和鞋子，以及新旧产品的品牌名称、颜色、尺码和产品类别等商品元数据产品。 借助此元数据，Forecast 会自动检测与新 T 恤系列最相关的产品，并使用这些产品为 T 恤系列生成预测。

此功能在所有可通过 AWS管理控制台 或者 自动预测器 API. 有关区域可用性的更多信息，请参阅 AWS区域服务. 要开始使用 Forecast 进行冷启动预测，请参阅 生成预测 或者 GitHub 笔记本.

解决方案概述

这篇文章中的步骤演示了如何使用 Forecast 进行冷启动预测 AWS管理控制台. 我们通过以下三个步骤来演示零售商为新推出的产品生成库存需求预测的示例：导入数据、训练预测器和创建预测。 要直接使用 Forecast API 进行冷启动预测，请按照我们的笔记本进行操作 GitHub回购，它提供了一个类似的演示。

导入您的训练数据

要使用新的冷启动预测方法，您必须导入两个 CSV 文件：一个文件包含目标时间序列数据（显示预测目标），另一个文件包含项目元数据（显示产品特征，如尺寸或颜色）。 Forecast 将冷启动产品标识为存在于项目元数据文件中但不存在于目标时间序列文件中的那些产品。

要正确识别您的冷启动产品，请确保您的冷启动产品的项目 ID 在项目元数据文件中作为一行输入，并且它不包含在目标时间序列文件中。 对于多个冷启动产品，在项目元数据文件中将每个产品项目 ID 作为单独的行输入。 如果您还没有冷启动产品的项目 ID，您可以使用任何少于 64 个字符的字母数字组合，这些组合不能代表数据集中的其他产品。

在我们的示例中，目标时间序列文件包含产品项目 ID、时间戳和需求（库存），项目元数据文件包含产品项目 ID、颜色、产品类别和位置。

要导入您的数据，请完成以下步骤：

1. 在“预测”控制台上，选择 查看数据集组.

2. 创建数据集组.

3. 针对 数据集组名称，输入数据集名称（对于本文，my_company_shoe_inventory）。
4. 对于 Forecasting domain，选择一个预测域（对于这篇文章，Retail）。
5. 选择下一步。

6. 在创建目标时间序列数据集页面上，提供数据集名称、数据频率和数据架构。
7. 提供数据集导入详细信息。
8. 选择开始。

以下屏幕截图显示了为我们的示例填写的目标时间序列页面的信息。

您将被重定向到可用于跟踪进度的仪表板。

1. 要导入项目元数据文件，请在仪表板上选择 进口.

2. 点击 创建项目元数据数据集 页面，提供数据集名称和数据架构。
3. 提供数据集导入详细信息。
4. Start 开始.

以下屏幕截图显示了为我们的示例填写的信息。

训练预测变量

接下来，我们训练一个预测器。

1. 在仪表板上，选择 训练预测器.

2. 点击 训练预测器 页面，输入您的预测变量的名称、您想要预测的未来多长时间和频率，以及您想要预测的分位数。
3. 启用 自动预测器. 这是冷启动预测所必需的。
4. 创建.

以下屏幕截图显示了为我们的示例填写的信息。

创建一个预测

在我们的预测器经过训练后（这可能需要大约 2.5 小时），我们会为新推出的产品创建一个预测。 当您看到 查看预测变量 仪表板上的按钮。

1. 创建一个预测 在仪表板上。

2. 点击 创建一个预测 页面，输入预测名称，选择您创建的预测变量，并指定预测分位数（可选）和要为其生成预测的项目。
3. Start 开始.

导出您的预测

创建预测后，您可以将数据导出为 CSV。 当您看到状态为活动时，您就会知道您的预测已创建。

1. 创建预测导出.

2. 输入导出文件名（对于本文，my_cold_start_forecast_export）。
3. 针对 出口地点， 指定 亚马逊简单存储服务 (Amazon S3) 位置。
4. Start 开始.

5. 要下载导出，请从控制台导航到 S3 文件路径位置，然后选择文件并选择 下载.

导出文件包含时间戳、项目 ID、项目元数据和所选每个分位数的预测。

查看您的预测

创建预测后，您可以在控制台上以图形方式查看新产品的预测。

1. 查询预报 在仪表板上。

2. 选择在上一步中创建的预测的名称（在我们的示例中为 my_cold_start_forecast）。
3. 输入您要查看预测的开始日期和结束日期。
4. 在预测键的项目 ID 字段中，添加冷启动产品的唯一 ID。
5. 选择 获取预报.

在图中，您将看到所选任何分位数的预测。

结论

借助 Forecast，您可以在没有历史数据的情况下获得与冷启动产品相同的预测洞察力，现在准确度比以前高出 45%。 要使用 Forecast 生成冷启动预测，请打开 Forecast 控制台并按照本文中概述的步骤进行操作，或参考我们的 GitHub 笔记本 关于如何通过 API 访问功能。 要了解更多信息，请参阅 生成预测.

---

关于作者

布兰登奈尔 是 Amazon Forecast 的高级产品经理。 他的专业兴趣在于创建可扩展的机器学习服务和应用程序。 工作之余，他会探索国家公园、完善高尔夫挥杆动作或计划一次冒险之旅。

玛纳斯达达卡 是一名软件开发经理，负责 Amazon Forecast 服务的工程设计。 他热衷于机器学习的应用，并致力于让每个人都能轻松使用 ML 技术来采用和部署到生产环境中。 工作之余，他有多种兴趣，包括旅游、阅读和与朋友和家人共度时光。

巴拉特南达穆里 是一名高级软件工程师，负责 Amazon Forecast。 他热衷于构建大规模后端服务，专注于 ML 系统工程。 工作之余，他喜欢下棋、远足和看电影。

高拉夫·古普塔（Gaurav Gupta） 是 AWS AI 实验室和 Amazon Forecast 的应用科学家。 他的研究兴趣在于序列数据的机器学习、偏微分方程的算子学习、小波。 在加入 AWS 之前，他在南加州大学完成了博士学位。