Amazon Forecast tidak lagi tersedia untuk pelanggan baru. Pelanggan Amazon Forecast yang ada dapat terus menggunakan layanan seperti biasa. Pelajari lebih lanjut”
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Melihat Hasil
Setelah Anda menghasilkan perkiraan dan kemudian mengimpor lebih banyak data, Anda dapat melihat hasil pemantauan prediktor. Anda dapat melihat visualisasi hasil dengan konsol Forecast atau Anda dapat secara terprogram mengambil hasil denganListMonitorEvaluationsoperasi.
Konsol Forecast menampilkan grafik hasil untuk masing-masingmetrik prediktor. Grafik mencakup bagaimana setiap metrik telah berubah selama masa prediktor dan prediktor peristiwa, seperti pelatihan ulang.
ParameterListMonitorEvaluationsoperasi mengembalikan hasil metrik dan peristiwa prediktor untuk jendela yang berbeda waktu.
- Console
-
Untuk melihat hasil pemantauan prediktor
Masuk keAWS Management Consoledan buka konsol Amazon Forecast dihttps://console.aws.amazon.com/forecast/.
-
FromKelompok basis data, pilih grup dataset Anda.
-
Di panel navigasi, pilihPrediktor.
-
Pilih prediktor dan pilihPemantauantab.
-
ParameterHasil pemantauanbagian menunjukkan bagaimana metrik akurasi yang berbeda telah berubah dari waktu ke waktu. Gunakan daftar dropdown untuk mengubah metrik trek grafik.
-
ParameterRiwayat pemantauanbagian daftar rincian untuk peristiwa yang berbeda dilacak dalam hasil.
Berikut ini adalah contoh grafik tentang caraAvg
wQL
Skor untuk prediktor telah berubah dari waktu ke waktu. Dalam grafik ini, perhatikan bahwaAvg wQL
meningkat dari waktu ke waktu. Peningkatan ini menunjukkan bahwa akurasi prediktor menurun. Gunakan informasi ini untuk menentukan apakah Anda perlu memvalidasi ulang model dan mengambil tindakan.
- SDK for Python (Boto3)
-
Untuk mendapatkan hasil pemantauan dengan SDK for Python (Boto3), gunakanlist_monitor_evaluations
metode. Berikan Amazon Resource Name (ARN) monitor, dan tentukan jumlah maksimum hasil yang akan diambil denganMaxResults
parameter. Opsional menentukanFilter
untuk menyaring hasil. Anda dapat memfilter evaluasi denganEvaluationState
dari salah satuSUCCESS
atauFAILURE
. Kode berikut mendapat maksimal 20 evaluasi pemantauan sukses.
import boto3
forecast = boto3.client('forecast')
monitor_results = forecast.list_monitor_evaluations(
MonitorArn = 'monitor_arn
',
MaxResults = 20,
Filters = [
{
"Condition": "IS",
"Key": "EvaluationState",
"Value": "SUCCESS"
}
]
)
print(monitor_results)
Berikut ini adalah contoh respons JSON.
{
"NextToken": "string",
"PredictorMonitorEvaluations": [
{
"MonitorArn": "MonitorARN",
"ResourceArn": "PredictorARN",
"EvaluationTime": "2020-01-02T00:00:00Z",
"EvaluationState": "SUCCESS",
"WindowStartDatetime": "2019-01-01T00:00:00Z",
"WindowEndDatetime": "2019-01-03T00:00:00Z",
"PredictorEvent": {
"Detail": "Retrain",
"Datetime": "2020-01-01T00:00:00Z"
},
"MonitorDataSource": {
"DatasetImportJobArn": "arn:aws:forecast:region
:accountNumber
:dataset-import-job/*
",
"ForecastArn": "arn:aws:forecast:region
:accountNumber
:forecast/*
",
"PredictorArn": "arn:aws:forecast:region
:accountNumber
:predictor/*
",
},
"MetricResults": [
{
"MetricName": "AverageWeightedQuantileLoss",
"MetricValue": 0.17009070456599376
},
{
"MetricName": "MAPE",
"MetricValue": 0.250711322309796
},
{
"MetricName": "MASE",
"MetricValue": 1.6275608734888485
},
{
"MetricName": "RMSE",
"MetricValue": 3100.7125081405547
},
{
"MetricName": "WAPE",
"MetricValue": 0.17101159704738722}
]
}
]
}