Ensemble de données de remplacement - 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.

Ensemble de données de remplacement

Un jeu de données de remplacement est une version modifiée de la série chronologique associée à la référence qui contient uniquement les valeurs que vous souhaitez modifier dans une prévision hypothétique. Le jeu de données de remplacement doit contenir les dimensions de prévision, les identificateurs d'éléments et les horodatages des séries chronologiques associées à la référence, ainsi qu'au moins une série chronologique modifiée. Ce jeu de données est fusionné avec la série chronologique associée à la ligne de base pour créer un jeu de données transformé qui est utilisé pour les prévisions hypothétiques. Le jeu de données de remplacement doit être au format CSV.

Ce jeu de données ne doit pas contenir d'horodatages dupliqués pour la même série chronologique.

Vous trouverez ci-dessous plusieurs exemples de la manière dont vous pouvez spécifier une série chronologique de remplacement et de la manière dont ces spécifications sont interprétées. Imaginons le cas où vous faites des prévisions quotidiennes et que l'horizon de prévision se situe entre le 1er août et le 3 août. Les séries chronologiques relatives à la base de référence pour tous les exemples sont indiquées dans le tableau suivant.

item_id timestamp prix stock_count

article_1

05/08/01

100

50

article_1

05/08/02

100

50

article_1

03/08/08

100

50

article_2

05/08/01

75

500

article_2

05/08/02

75

500

article_2

03/08/08

75

500

Unchanged values

Pour appliquer une réduction de 10 % sur item_1 pour le 02/08/2008 et le 03/08/2008, il suffit de spécifier les éléments suivants pour le jeu de données de remplacement :

Ensemble de données de remplacement
item_id timestamp prix

article_1

05/08/02

90

article_1

03/08/08

90

Toutefois, il est également possible de spécifier des valeurs inchangées dans le jeu de données de remplacement. Lorsqu'elles sont utilisées comme ensembles de données de remplacement, chacune des trois tables suivantes produira les mêmes résultats que la table fournie précédemment.

Ensemble de données de remplacement avec une colonne inchangée
item_id timestamp prix stock_count

article_1

05/08/02

90

50

article_1

03/08/08

90

50

Ensemble de données de remplacement avec des lignes inchangées
item_id timestamp prix

article_1

05/08/01

100

article_1

05/08/02

90

article_1

03/08/08

90

article_2

05/08/01

75

article_2

05/08/02

75

article_2

03/08/08

75

Ensemble de données de remplacement avec des lignes et des colonnes inchangées
item_id timestamp prix stock_count

article_1

05/08/01

100

50

article_1

05/08/02

90

50

article_1

03/08/08

90

50

article_2

05/08/01

75

500

article_2

05/08/02

75

500

article_2

03/08/08

75

500

Missing values

Les valeurs manquantes dans la série chronologique de remplacement sont remplacées par les valeurs de la série chronologique associée à la base de référence. Imaginons le scénario dans lequel vous appliquez une réduction de 10 % sur l'article 1 pour le 2 août et le 3 août et augmentez le stock de l'article 2 le 1er août. Ce jeu de données de remplacement est suffisant :

Ensemble de données de remplacement avec des valeurs manquantes
item_id timestamp prix stock_count

article_1

05/08/02

90

article_1

03/08/08

90

article_2

05/08/01

5000

Les valeurs absentes de ce tableau sont imputées à partir des séries chronologiques relatives à la base de référence.

Extraneous values

Les valeurs superflues de la série chronologique de remplacement sont ignorées lors de la création d'une prévision hypothétique. En d'autres termes, les valeurs du jeu de données de remplacement qui ne correspondent pas aux valeurs des séries chronologiques associées à la référence ne sont pas modélisées. Considérez cet ensemble de données de remplacement :

Ensemble de données de remplacement avec des valeurs superflues
item_id timestamp prix stock_count

article_1

05/08/01

100

50

article_1

05/08/02

100

50

article_1

03/08/08

100

50

article_2

05/08/01

75

500

article_2

05/08/02

75

500

article_2

03/08/08

75

500

article_3

05/08/01

50

125

article_3

05/08/02

50

125

article_3

03/08/08

50

125

Les lignes contenant item_3 sont ignorées et ne font pas partie de l'analyse hypothétique.

Historical changes

Les modifications apportées au jeu de données de remplacement en dehors de l'horizon de prévision sont ignorées. Considérez cet ensemble de données de remplacement :

Jeu de données de remplacement avec des valeurs situées en dehors de l'horizon de prévision
item_id timestamp prix stock_count

article_1

07-31

100

50

article_1

05/08/01

100

50

article_1

05/08/02

100

50

article_1

03/08/08

100

50

article_1

04/08/2008

100

50

article_2

07-31

75

500

article_2

05/08/01

75

500

article_2

05/08/02

75

500

article_2

03/08/08

75

500

article_3

04/08/2008

75

500

Les lignes contenant le code « 07-31 » et le « 08-04 » sont ignorées et ne font pas partie de l'analyse hypothétique.

Dimensions des prévisions

Si vous incluez des dimensions de prévision dans votre jeu de données, vous devez les inclure dans le jeu de données de remplacement. Considérez cette série chronologique liée à la base de référence :

item_id identifiant du magasin timestamp prix stock_count

article_1

magasin_1

05/08/01

100

50

article_1

magasin_1

05/08/02

100

50

article_1

magasin_1

03/08/08

100

50

article_1

boutique_2

05/08/01

75

500

article_1

boutique_2

05/08/02

75

500

article_1

boutique_2

03/08/08

75

500

Par conséquent, le jeu de données de remplacement pour bénéficier d'une réduction de 10 % dans tous les magasins le 2 août serait le suivant :

item_id identifiant du magasin timestamp prix

article_1

magasin_1

05/08/02

90

article_1

boutique_2

05/08/02

67,5