Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Algorithme de lissage exponentiel (ETS) - Amazon Forecast

Amazon Forecast n'est plus disponible pour les nouveaux clients. Les clients existants d'Amazon Forecast peuvent continuer à utiliser le service normalement. En savoir plus »

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Amazon Forecast n'est plus disponible pour les nouveaux clients. Les clients existants d'Amazon Forecast peuvent continuer à utiliser le service normalement. En savoir plus »

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Algorithme de lissage exponentiel (ETS)

Le lissage exponentiel (ETS) est un algorithme de statistiques local couramment utilisé pour les prévisions chronologiques. L'algorithme Amazon Forecast ETS appelle la fonction ets dans le Package 'forecast' Comprehensive R Archive Network (CRAN).

Fonctionnement d'ETS

L'algorithme SCEQE est particulièrement utile pour les ensembles de données avec des variations saisonnières et d'autres hypothèses antérieures sur les données. ETS calcule une moyenne pondérée sur toutes les observations du jeu de données en séries chronologiques d'entrée comme prédiction. Les pondérations diminuent de façon exponentielle au fil du temps, contrairement aux pondérations constantes des méthodes de moyenne mobile simple. Les pondérations dépendent d'un paramètre constant, connu sous le nom de paramètre de lissage.

Hyper-paramètres ETS et réglage

Pour plus d'informations sur les hyper-paramètres ETS et le réglage, consultez la documentation sur la fonction ets dans le package « prévision » du CRAN.

Amazon Forecast convertit le DataFrequency paramètre spécifié dans l'CreateDatasetopération en frequency paramètre de la fonction R ts à l'aide du tableau suivant :

DataFrequency (chaîne) R ts frequency (entier)
Y 1
M 12
W 52
D 7
H 24
30 min 2
15 min 4
10 min 6
5 min 12
1 min 60

Les fréquences de données prises en charge qui ne sont pas dans la table ont par défaut une fréquence ts égale à 1.

Rubrique suivante :

NPTS

Rubrique précédente :

DeepAR+
ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.