Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Forecast: un modello Autopilot distribuito
Dopo aver addestrato i tuoi modelli utilizzando AutoMLAPI, puoi implementarli per previsioni in tempo reale o basate su batch.
AutoML API addestra diversi modelli candidati per i dati delle serie temporali e seleziona un modello di previsione ottimale basato sulla metrica dell'obiettivo target. Una volta formati i vostri candidati modello, potete trovare il candidato migliore nella risposta all'indirizzo. DescribeAutoMLJobV2BestCandidate
Per ottenere previsioni utilizzando questo modello con le migliori prestazioni, puoi impostare un endpoint per ottenere previsioni in modo interattivo o utilizzare la previsione in batch per fare previsioni su un batch di osservazioni.
Considerazioni
-
Quando si forniscono dati di input per la previsione, lo schema dei dati deve rimanere lo stesso di quello utilizzato per addestrare il modello, incluso il numero di colonne, le intestazioni di colonna e i tipi di dati. È possibile effettuare previsioni per un elemento nuovo o esistente IDs all'interno dello stesso intervallo di timestamp o in un intervallo di timestamp diverso per prevedere un periodo di tempo diverso.
-
I modelli di previsione prevedono per i punti dell'orizzonte di previsione nel futuro specificati nella richiesta di input al momento dell'addestramento, che va dalla data di fine target alla data di fine target + orizzonte di previsione. Per utilizzare il modello per prevedere date specifiche, è necessario fornire i dati nello stesso formato dei dati di input originali, fino a una data di fine target specificata. In questo scenario, il modello inizierà a fare previsioni a partire dalla nuova data di fine target.
Ad esempio, se il set di dati contiene dati mensili da gennaio a giugno con un orizzonte di previsione di 2, il modello prevede il valore target per i prossimi 2 mesi, ovvero luglio e agosto. Se ad agosto vuoi fare previsioni per i prossimi 2 mesi, questa volta i dati di input dovrebbero essere da gennaio ad agosto e il modello farà previsioni per i successivi 2 mesi (settembre, ottobre).
-
Quando si prevedono punti dati futuri, non esiste un minimo prestabilito per la quantità di dati storici da fornire. Includi dati sufficienti per acquisire modelli stagionali e ricorrenti nelle tue serie temporali.
