写点什么

Amazon Forecast,简化时间序列预测

  • 2019-10-14
  • 本文字数:1805 字

    阅读完需:约 6 分钟

Amazon Forecast,简化时间序列预测

预见未来的能力是一种不可思议的超能力。在 AWS,我们无法赋予您预见未来的能力,但我们可以帮助您利用机器学习,通过几个步骤来预测时间序列。


时间序列预测的目标是预测时间相关数据的未来价值,例如每周销售额、每日库存水平或每小时网站流量。当今的公司利用简单电子表格和复杂财务规划软件等各类工具,尝试准确预测未来的业务成果,如产品需求、资源需求或财务绩效。


这些工具通过观察历史数据系列(称为时间序列数据)来生成预测。例如,这些工具可以根据“未来由过去决定”的基本假设,仅凭查看之前的销售数据即可尝试预测未来销售情况。


对于趋势没有规律性的大量数据,这种方法或许很难生成准确的预测。此外,这种方法也无法轻松地将随时间而变化的数据序列(例如价格、折扣、Web 流量)与相关的独立变量(如产品功能和门店位置)结合在一起。


隆重推出 Amazon Forecast


二十多年来,Amazon 一直在竭力解决包括零售、供应链和服务器容量在内的多个领域的时间序列预测挑战。 如今,运用我们通过这样的经验掌握的机器学习技术,我们隆重推出 Amazon Forecast – 一项用于时间序列预测的完全托管式深度学习服务。Amazon Forecast 融合我们多年来构建和运行可扩展、高度准确的预测技术的丰富经验,形成一种简单易用、完全托管式的服务。


您可以利用 Amazon Forecast 生成有关时间序列数据的预测,从而预测以下信息:


  • 运营指标,例如服务器的 Web 流量、AWS 使用情况或 IoT 传感器指标。

  • 业务指标,例如销售量、利润和开支。

  • 资源需求,例如满足特定需求所需的能源量或带宽。

  • 制造过程所需的原材料商品、服务或其他投入的数量。

  • 零售需求,同时考虑到价格折扣、营销促销和其他市场活动的影响。

  • Amazon Forecast 旨在提供如下三项主要优势:

  • 准确性,使用深度神经网络和传统统计方法进行预测。Amazon Forecast 可以自动通过您的数据进行学习,选取最佳算法,训练专门为您的数据设计的模型。如果您有许多相关的时间序列,使用 Amazon Forecast 深度学习算法(例如 DeepAR 和 MQ-RNN)做出的预测往往比传统方法(例如指数平滑法)得出的预测更准确。

  • 端到端管理,实现整个预测工作流自动化 – 从数据上传到数据处理、模型训练、数据集更新和预测。企业系统可以直接将您的预测作为 API 使用。

  • 易用性,您可以在控制台中查找不同精确度的任何时间序列预测,并直观呈现。您还可以查看预测工具预测准确性方面的指标。 没有机器学习专业知识的开发人员可以利用 Amazon Forecast API、AWS 命令行界面 (CLI) 或控制台,将训练数据导入一个或多个 Amazon Forecast 数据集中,对模型进行训练,并部署这些模型以生成预测。

  • 使用 Amazon Forecast


在 Amazon Forecast 中创建预测项目时,您主要使用以下资源:


  • 数据集,用于上传数据。Amazon Forecast 算法使用数据集训练模型。

  • 数据集组,这是一个或多个数据集的容器,旨在使用多个数据集训练模型。

  • 预测工具,这是对模型进行训练的结果。为了创建预测工具,您要提供一个数据集组和一份配方(用于提供算法),或者让 Amazon Forecast 决定最合适的预测模型。算法使用数据集中的数据训练模型。

  • 预测,您可以利用预测工具运行推理,从而生成预测。


您可以通过 AWS 控制台、CLI 和开发工具包使用 Amazon Forecast。例如,您可以使用适用于 Python 的 AWS 开发工具包,在 Jupyter 笔记本中训练模型或获取预测,或者使用适用于 Java 的 AWS 开发工具包为现有业务应用程序添加预测功能。


定价和可用性


使用 Amazon Forecast 时,您仅需为实际使用的资源付费。Amazon Forecast 会产生三种不同的费用:


  • 生成的预测:预测是对单个变量在任何时间范围内的未来值的预测。预测的计费单位为 1000(四舍五入到最接近的千位)。

  • 数据存储:存储用于训练模型的每 GB 数据的成本。

  • 训练小时数:基于客户提供的数据,对自定义模型进行训练所需的每小时成本。

  • 作为 AWS 免费套餐的一部分,在初次使用 Amazon Forecast 的前两个月内,您可以免费享受以下权益:


生成的预测:每月最多 1 万次时间序列预测


数据存储:每月最多 10GB


训练小时数:每月最多 10 小时训练时长


Amazon Forecast 已面向以下区域提供预览版:美国东部(弗吉尼亚北部)、美国西部(俄勒冈)。


进行高度准确的时间序列预测从未如此轻松。我非常期待看到我们的客户会利用这款产品取得的成果!


本文转载自 AWS 技术博客。


原文链接:


https://amazonaws-china.com/cn/blogs/china/amazon-forecast-time-series-forecasting-made-easy/


2019-10-14 11:251310
用户头像

发布了 1942 篇内容, 共 163.5 次阅读, 收获喜欢 81 次。

关注

评论

发布
暂无评论
发现更多内容

《Operating System Concepts》阅读笔记:p601-p605

codists

操作系统

Orpheus 语音模型支持中文预训练和微调,模拟细微语音特征;谷歌版 MCP 来了,A2A 协议让不同厂商 Agent 协作

声网

开发一款区块链软件的周期解析

区块链软件开发推广运营

交易所开发 dapp开发 链游开发 公链开发 代币开发

zk源码—单机和集群通信原理

电子尖叫食人鱼

瞧瞧别人家的限流,那叫一个优雅!

不在线第一只蜗牛

Java

一文读懂:构建类Arb二层公链,收费模式全解析

区块链软件开发推广运营

交易所开发 dapp开发 链游开发 公链开发 代币开发

Solana链开发全景指南:从环境搭建到生态实践

区块链软件开发推广运营

交易所开发 dapp开发 链游开发 公链开发 代币开发

企业网络升级必备:SD-WAN可以做到这些!

Ogcloud

SD-WAN SD-WAN组网 SD-WAN厂商 sd-wan专线 SD-WAN厂家

大语言模型火爆的今天,我们为什么还要拥抱世界模型?

脑极体

AI

我们又忘了,人形机器人≠AI

脑极体

AI

精彩抢先看!博睿数据将亮相GOPS全球运维大会2025深圳站

博睿数据

GOPS全球运维大会 Bonree ONE LLM模型 DeepSeek

SD-WAN如何突破传统MPLS网络局限?

Ogcloud

SD-WAN SD-WAN组网 SD-WAN厂商 sd-wan专线 SD-WAN厂家

PHP传递参数(跨文件)的8种常见方法

量贩潮汐·WholesaleTide

php

从Grok-3霸榜谈起:高难度题库如何助力AI推理能力飞跃?

澳鹏Appen

数据集 大模型 题库

工作搁置重启:引发的决策深思

TechLead Studio

决策管理

文心4.5Turbo将发布!体验百度文心4.5与X1后,大模型评测:预测新模型能力更强、价格迎新低做开发者延伸的"手和脑"

Yan-英杰

AI 大模型

行业SOTA,京东首个自研十亿级时序大模型揭秘

京东零售技术

2024公有云大模型调用量,火山引擎中国第一!

极客天地

从垃圾回收的角度解析ThreadLocal

喝水不抬头

crossover安装exe后无法打开怎么办?用CrossOver安装成功的软件但打不开怎么办?

阿拉灯神丁

容器 应用程序配置 Mac软件 CrossOver Mac下载

阿里云CDN应对DDoS攻击策略

网络安全服务

阿里云 CDN 服务器 DDoS DDoS 攻击

Nexpose 8.2.0 for Linux & Windows - 漏洞扫描

sysin

Nexpose

MPP 架构解析:原理、核心优势与对比指南

镜舟科技

大数据处理 分布式计算 存算分离 StarRocks MPP 架构

CAD复制到excel如何调整图纸格式

极客天地

这是一个文章标题

爱写字的阿城

在.NET中使用正则表达式匹配特殊字符[和]——双重转义的技巧

雄鹿 @

.net csharp

RabbitMQ 消息队列幂等性,优先级队列,惰性队列的详细说明

量贩潮汐·WholesaleTide

Rabbit MQ

zk源码—单机和集群通信原理(二)

电子尖叫食人鱼

GUI Tracker采集工具,Agent时代的数据利器

澳鹏Appen

智能体

CAD等分对象方法

极客天地

CAD如何调整动态块参数显示大小

极客天地

Amazon Forecast,简化时间序列预测_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章