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 11:251332
用户头像

发布了 1957 篇内容, 共 166.2 次阅读, 收获喜欢 82 次。

关注

评论

发布
暂无评论
发现更多内容

惊艳!四份SpringSecurity笔记带你玩转金三银四的面试题集!

996小迁

Java 架构 面试 springsecurity 笔记

面试大揭秘!从技术面被“虐”到征服CTO,全凭这份强到离谱的pdf

Java架构之路

Java 程序员 架构 面试 编程语言

【JS】函数实参与形参

德育处主任

JavaScript 大前端 js 28天写作

去中心化DAPP系统APP开发|去中心化DAPP软件开发

系统开发

极客时间架构 1 期:大作业一 根据业务编写指定输出系统概要设计

Null

强!腾讯老兵亲荐“从零开始学架构”教你如何成为出色的架构师?(整整2000页的笔记)

比伯

Java 编程 架构 面试 程序人生

APICloud AVM多端开发 | 企业app开发解析:案例展示、加盟申请功能源码

YonBuilder低代码开发平台

大前端 小程序flutter, 跨平台 APICloud

别小看 Log 日志,它难住了我们组的架构师

Java架构师迁哥

最新区块链科普图书《区块链进化史》上市

CECBC

区块链 科普

极客时间架构 1 期:大作业二 学习大总结

Null

DeFi去中心化DAPP系统开发的知识科普

W13902449729

去中心化金融 DeFi去中心化系统开发

大作业(一)

橘子皮嚼着不脆

HDFS SHELL详解(2)

罗小龙

hadoop 28天写作 hdfs shell

架构师训练营 1 期:大作业(二)

piercebn

架构师训练营第 1 期

消失的同事

石君

时代发展 28天写作

独角兽余额宝(Java现场面试48题):性能调优+索引+Mysql+缓存+HashMap+GC

Java架构之路

Java 程序员 架构 面试 编程语言

太过完美!滴滴全球首发Spring5+SpringMVC5+Mybatis3.X全彩小册

Java架构追梦

Java 源码 架构 滴滴 ssm

搭建自己的MinDoc文档库

后台技术汇

28天写作

高频量化交易机器人系统开发技术

薇電13242772558

区块链 策略模式

智能合约DAPP软件APP开发|智能合约DAPP系统开发

系统开发

价值 - 风险管理(二)

石云升

读书笔记 风险管理 28天写作 价值

即时通讯的原理和历史

v16629866266

Java并发编程实战(2)- Java内存模型

技术修行者

Java 并发编程 happens-before 多线程

[0/28]软件质量的那点事(1)———引言

L3C老司机

软件测试 软件质量

多熟悉一门编程语言看法

superman

MySQL慢查询(中):正确的处理姿势,你get到了吗?

架构精进之路

MySQL MySQL优化 MySQL架构 28天写作

金三银四将至!我肝了万字的Java垃圾回收,看完你还敢说不会?

编程 面试 JVM

大作业(二)

橘子皮嚼着不脆

重学JS | 聊聊闭包

梁龙先森

大前端 编程语言 28天写作

同城快递系统架构

Jacky.Chen

京东T7团队技术4面:线程池+索引+Spring +分布式锁+Mysql+项目等

Java架构之路

Java 程序员 架构 面试 编程语言

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