Domaines et types d'ensembles de données prédéfinis - 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.

Domaines et types d'ensembles de données prédéfinis

Pour former un prédicteur, vous créez un ou plusieurs ensembles de données, vous les ajoutez à un groupe que vous fournissez pour la formation.

Pour chaque ensemble de données que vous créez, vous associez un domaine et un type d'ensemble de données. Un domaine d'ensemble de données spécifie un schéma d’ensemble de données prédéfini pour un cas d'utilisation courant et n'a pas d'impact sur les algorithmes ou les hyperparamètres de modèle.

Amazon Forecast prend en charge les domaines d'ensembles de données suivants :

Chaque domaine peut avoir un à trois types d'ensemble de données. Les types d'ensemble de données que vous créez pour un domaine sont basés sur le type de données dont vous disposez et que vous souhaitez inclure dans la formation.

Chaque domaine nécessite un ensemble de données TARGET_TIME_SERIES et peut prendre en charge les types d'ensembles de données RELATED_TIME_SERIES et ITEM_METADATA.

Les types d'ensemble de données sont les suivants :

  • Série chronologique cible : seul type de jeu de données requis. Ce type définit le champ cible pour lequel vous souhaitez générer des prévisions. Par exemple, si vous souhaitez prévoir les ventes sur un ensemble de produits, vous devez créer un ensemble de données de séries chronologiques historiques pour chacun des produits que vous souhaitez prévoir. De même, vous pouvez créer un jeu de données de séries chronologiques cible pour les indicateurs, tels que le chiffre d'affaires, le flux de trésorerie et les ventes, que vous souhaiterez peut-être prévoir.

  • Séries chronologiques associées : données de séries chronologiques liées aux données de séries chronologiques cibles. Par exemple, un prix lié aux données de vente d'un produit peut être fourni en tant que données RELATED_TIME_SERIES.

  • Métadonnées de l'élément : métadonnées applicables aux données de séries chronologiques cibles. Par exemple, si vous prévoyez les ventes d'un produit en particulier, les attributs du produit, tels que la marque, la couleur et le genre, feront partie des métadonnées de l'article. Lors de la prévision EC2 de la capacité des EC2 instances, les métadonnées peuvent inclure les types d'instance CPU et leur mémoire.

Certains champs sont obligatoires pour vos données d'entrée et ce pour chaque type d'ensembles de données. Vous pouvez également inclure des champs facultatifs qu'Amazon Forecast vous propose.

Les exemples suivants montrent comment choisir un domaine d'ensembles de données et les types correspondants.

Exemple 1 : types de jeux de données dans le RETAIL domaine

Si vous êtes un détaillant intéressé par la prévision de la demande d'articles, vous pouvez créer les ensembles de données suivants dans le RETAIL domaine :

  • La série chronologique cible est l'ensemble de données requis basé sur les données historiques et chronologiques (ventes) pour chaque article (chaque produit que vend un détaillant). Dans le RETAIL domaine, ce type de jeu de données nécessite que le jeu de données inclue les demand champs item_idtimestamp,, et. Le champ demand est la cible de la prévision, c'est généralement le nombre d'articles vendus par le détaillant sur une semaine ou un jour particulier.

  • Il peut s'agir d'un ensemble de données du type RELATED_TIME_SERIES. Dans le RETAIL domaine, ce type peut inclure des informations de séries chronologiques facultatives, mais suggéréesprice, telles queinventory_onhand, etwebpage_hits.

  • Il peut également s'agir d'un ensemble de données du type ITEM_METADATA. Dans le RETAIL domaine, Amazon Forecast suggère de fournir des informations de métadonnées relatives aux éléments que vous avez fournis dans les séries chronologiques ciblesbrand, tels quecolor,category, etgenre.

Exemple 2 : types de jeux de données dans le METRICS domaine

Si vous souhaitez prévoir des indicateurs clés pour votre entreprise, tels que le chiffre d'affaires, les ventes et les flux de trésorerie, vous pouvez fournir à Amazon Forecast les ensembles de données suivants :

  • Ensemble de données TARGET_TIME_SERIES qui fournit les données en séries chronologiques historiques pour la métrique que vous souhaitez prévoir. Si votre métrique a pour but de prévoir les recettes de toutes les unités commerciales de votre organisation, vous pouvez créer un ensemble de données target time series avec les champs metric, business unit et metric_value.

  • Si vous avez des métadonnées pour chaque métrique qui n'est pas obligatoire, comme category ou location, vous pouvez fournir des ensembles de données du type RELATED_TIME_SERIES et ITEM_METADATA.

Vous devez au minimum fournir un jeu de données de séries chronologiques cible pour Forecast afin de générer des prévisions pour vos mesures cibles.

Exemple 3 : types de jeux de données dans le CUSTOM domaine

Il peut arriver que les données de formation de votre application de prévisions ne conviennent pas à l'un des domaines d'Amazon Forecast. Si tel est le cas, choisissez le CUSTOM domaine. Vous devez fournir l'ensemble de données TARGET_TIME_SERIES, mais vous pouvez aussi ajouter vos propres champs personnalisés.

L'exercice Démarrerprévoit la consommation d'électricité pour un client. Les données de formation sur la consommation d'électricité ne rentrent dans aucun des domaines du jeu de données. Nous avons donc utilisé le CUSTOM domaine. Dans l'exercice, nous n'utilisons qu'un type d'ensemble de données, le type TARGET_TIME_SERIES. Nous mappons les champs de données aux champs minimum requis par le type d'ensemble de données.