예측 생성 - Amazon Forecast

Amazon Forecast는 더 이상 신규 고객에게 제공되지 않습니다. Amazon Forecast의 기존 고객은 서비스를 정상적으로 계속 사용할 수 있습니다. 자세히 알아보기

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

예측 생성

Amazon Forecast 예측기를 생성하면 예측을 생성할 준비가 된 것입니다. 기본적으로 예측에는 예측기를 훈련하는 데 사용된 데이터 세트 그룹의 모든 항목(item_id)에 대한 예측이 포함됩니다. 하지만 예측 생성에 사용되는 항목의 하위 집합을 지정할 수도 있습니다.

예측을 생성한 후 이를 Amazon Simple Storage Service(Amazon S3) 버킷으로 내보낼 수 있습니다.

예측 생성

Forecast 콘솔, AWS CLI 또는 AWS SDK를 사용하여 예측을 생성할 수 있습니다. 예측을 생성하려면 예측기 상태가 활성이어야 합니다.

Console
예측을 생성하려면
  1. AWS Management Console에 로그인하고 https://console.aws.amazon.com/forecast/에서 Amazon Forecast 콘솔을 엽니다.

  2. 데이터 세트 그룹에서 데이터 세트 그룹을 선택합니다.

  3. 데이터 세트 그룹 대시보드예측 생성에서 예측 생성을 선택합니다. 예측 생성 페이지가 나타납니다.

  4. 예측 생성 페이지의 예측 세부 정보에서 예측 이름을 입력하고 예측 생성에 사용할 예측기를 선택합니다.

  5. 예측 분위수에서 확률적 예측이 생성되는 분위수를 선택적으로 지정합니다. 기본 분위수는 예측기 생성 중에 지정한 분위수입니다.

  6. 선택적으로 선택한 항목의 라디오 버튼을 선택하여 예측 생성에 사용되는 시계열의 하위 집합을 지정할 수 있습니다.

  7. 선택적으로 예측에 사용할 태그를 추가할 수 있습니다. 자세한 내용은 Amazon Forecast 리소스 태그 지정 단원을 참조하세요.

  8. 시작을 선택합니다. 예측 페이지가 나타납니다.

    상태 열에 예측 상태가 나열됩니다. Amazon Forecast가 예측 생성을 완료할 때까지 기다립니다. 이 프로세스는 몇 분 이상이 걸릴 수 있습니다. 예측이 생성되면 상태가 활성으로 전환됩니다.

    예측이 생성되었으므로 이제 예측을 내보낼 수 있습니다. 예측 내보내기 섹션을 참조하세요.

CLI

AWS CLI를 사용하여 예측을 생성하려면 create-forecast 명령을 사용하세요. 예측 이름 및 예측기의 Amazon 리소스 이름(ARN)을 제공합니다. forecast-types의 경우 확률적 예측이 생성되는 분위수를 선택적으로 지정할 수 있습니다. 기본값은 예측기를 생성할 때 지정한 분위수입니다. 선택적으로 예측에 사용할 태그를 추가할 수 있습니다. 자세한 내용은 Amazon Forecast 리소스 태그 지정 단원을 참조하세요.

필수 및 선택적 파라미터에 대한 자세한 내용은 CreateForecast를 참조하세요.

aws forecast create-forecast \ --forecast-name forecast_name \ --forecast-types 0.1 0.5 0.9 \ --predictor-arn arn:aws:forecast:region:account_number:predictor/predictorName \ --tags Key=key1,Value=value1 Key=key2,Value=value2
Python

SDK for Python(Boto3)을 사용하여 예측을 생성하려면 create_forecast 메서드를 사용합니다. 예측 이름 및 예측기의 Amazon 리소스 이름(ARN)을 제공합니다. ForecastTypes의 경우 확률적 예측이 생성되는 분위수를 선택적으로 지정할 수 있습니다. 기본값은 예측기를 생성할 때 지정한 분위수입니다. 선택적으로 예측에 사용할 태그를 추가할 수 있습니다. 자세한 내용은 Amazon Forecast 리소스 태그 지정 단원을 참조하세요.

필수 및 선택적 파라미터에 대한 자세한 내용은 CreateForecast를 참조하세요.

import boto3 forecast = boto3.client('forecast') create_forecast_response = forecast.create_forecast( ForecastName = "Forecast_Name", ForecastTypes = ["0.1", "0.5", "0.9"], # optional, the default types/quantiles are what you specified for the predictor PredictorArn = "arn:aws:forecast:region:accountNumber:predictor/predictorName", Tags = [ { "Key": "key1", "Value": "value1" }, { "Key": "key2", "Value": "value2" } ] ) forecast_arn = create_forecast_response['ForecastArn'] print(forecast_arn)

시계열 지정

참고

시계열은 항목(item_id)과 데이터 세트의 모든 차원의 조합입니다.

시계열 목록을 지정하려면 item_id와 차원 값으로 시계열을 식별하는 CSV 파일을 S3 버킷에 업로드하세요. 또한 스키마에서 시계열의 속성 및 속성 유형을 정의해야 합니다.

예를 들어 소매업체는 광고 캠페인이 특정 매장 위치(store_location)에서의 특정 항목(item_id) 판매에 어떤 영향을 미치는지 알고 싶어 할 수 있습니다. 이 사용 사례에서는 item_id와 store_location의 조합인 시계열을 지정합니다.

다음 CSV 파일은 다음과 같은 다섯 개의 시계열을 선택합니다.

  1. Item_id: 001, store_location: 시애틀

  2. Item_id: 001, store_location: 뉴욕

  3. Item_id: 002, store_location: 시애틀

  4. Item_id: 002, store_location: 뉴욕

  5. Item_id: 003, store_location: 덴버

001, Seattle 001, New York 002, Seattle 002, New York 003, Denver

스키마는 첫 번째 열을 item_id로 정의하고 두 번째 열을 store_location으로 정의합니다.

지정한 시계열 중 입력 데이터 세트에 없는 시계열에 대해서는 예측 생성이 생략됩니다. 예측 내보내기 파일에는 이러한 시계열 또는 예측 값이 포함되지 않습니다.

예측 내보내기

예측을 생성한 후 Amazon S3 버킷으로 내보낼 수 있습니다. 예측을 내보내면 예측이 CSV 파일(기본값)로 Amazon S3 버킷에 복사되며, 내보낸 데이터에는 항목 예측뿐 아니라 항목 메타데이터 데이터 세트의 모든 속성이 포함됩니다. 예측을 내보낼 때 Parquet 파일 형식을 지정할 수 있습니다.

내보내는 예측의 세분 수준(예: 시간별, 일별 또는 주별)은 예측기를 생성할 때 지정한 예측 빈도입니다. 선택적으로 AWS Key Management Service 키를 지정하여 버킷에 쓰이기 전에 데이터를 암호화할 수 있습니다.

참고

내보내기 파일은 데이터 세트 가져오기의 정보를 직접 반환할 수 있습니다. 따라서 가져온 데이터에 수식이나 명령이 포함된 경우 파일이 CSV 삽입에 취약해집니다. 이러한 이유로, 파일을 내보내는 경우 보안 경고가 표시될 수 있습니다. 악의적인 활동을 방지하려면 내보낸 파일을 읽을 때 링크와 매크로를 비활성화하세요.

Console
예측을 내보내려면
  1. 데이터 세트 그룹의 탐색창에서 예측을 선택합니다.

  2. 예측의 라디오 버튼을 선택하고 예측 내보내기 생성을 선택합니다. Create forecast export(예상 내보내기 생성) 페이지가 표시됩니다.

  3. Create forecast export(예상 내보내기 생성) 페이지의 Export details(내보내기 세부 정보)에 다음 정보를 입력합니다.

    • 내보내기 이름 - 예측 내보내기 작업의 이름을 입력합니다.

    • 생성된 예측 - 드롭다운 메뉴에서 Step 3: Create a Forecast에서 생성한 예측을 선택합니다.

    • IAM 역할 - 기본값인 사용자 지정 IAM 역할 ARN 입력을 유지하거나, 새 역할 생성을 선택하여 Amazon Forecast가 역할을 생성하도록 합니다.

    • 사용자 지정 IAM 역할 ARN - 사용자 지정 IAM 역할을 입력하는 경우 Amazon Forecast를 위한 IAM 역할 생성(IAM 콘솔)에서 생성한 IAM 역할의 Amazon 리소스 이름(ARN)을 입력합니다.

    • KMS 키 ARN - 버킷 암호화에 AWS Key Management Service를 사용하는 경우 AWS KMS 키의 Amazon 리소스 이름(ARN)을 입력합니다.

    • S3 예측 내보내기 위치 - 다음 형식을 사용하여 Amazon Simple Storage Service(Amazon S3) 버킷 또는 버킷 내 폴더의 위치를 입력합니다.

      s3://<name of your S3 bucket>/<folder path>/

  4. Create forecast export(예상 내보내기 생성)를 선택합니다. my_forecast 페이지가 표시됩니다.

    Amazon Forecast가 예측 내보내기를 완료할 때까지 기다립니다. 이 프로세스는 몇 분 이상이 걸릴 수 있습니다. 예측을 내보내면 상태가 활성으로 전환되고 Amazon S3 버킷에서 예측 파일을 찾을 수 있습니다.

CLI

AWS CLI를 사용하여 예측을 내보내려면 export-forecast-job 명령을 사용하세요. 예측 내보내기 작업에 이름을 지정하고, 내보낼 예측의 ARN을 지정하고, 선택적으로 태그를 추가합니다. destination에서 출력 Amazon S3 버킷의 경로, Amazon Forecast를 위한 IAM 역할 생성(IAM 콘솔)에서 생성한 IAM 역할의 ARN, 버킷 암호화에 AWS KMS 키를 사용하는 경우 키의 ARN을 지정합니다.

필수 및 선택적 파라미터에 대한 자세한 내용은 CreateForecastExportJob 작업을 참조하세요.

forecast create-forecast-export-job \ --forecast-export-job-name exportJobName \ --forecast-arn arn:aws:forecast:region:acctNumber:forecast/forecastName \ --destination S3Config="{Path='s3://bucket/folderName',RoleArn='arn:aws:iam::acctNumber:role/Role, KMSKeyArn='arn:aws:kms:region:accountNumber:key/keyID'}" --tags Key=key1,Value=value1 Key=key2,Value=value2
Python

SDK for Python(Boto3)을 사용하여 예측을 내보내려면 export_forecast_job 메서드를 사용합니다. 예측 내보내기 작업에 이름을 지정하고, 내보낼 예측의 ARN을 지정하고, 선택적으로 태그를 추가합니다. Destination에서 출력 Amazon S3 버킷의 경로, Amazon Forecast를 위한 IAM 역할 생성(IAM 콘솔)에서 생성한 IAM 역할의 ARN, 버킷 암호화에 AWS KMS 키를 사용하는 경우 키의 ARN을 지정합니다.

필수 및 선택적 파라미터에 대한 자세한 내용은 CreateForecastExportJob 작업을 참조하세요.

import boto3 forecast = boto3.client('forecast') export_forecast_response = forecast.create_forecast_export_job( Destination = { "S3Config": { "Path": "s3://bucketName/folderName/", "RoleArn": "arn:aws:iam::accountNumber:role/roleName", "KMSKeyArn": "arn:aws:kms:region:accountNumber:key/keyID" } }, ForecastArn = "arn:aws:forecast:region:accountNumber:forecast/forecastName", ForecastExportJobName = "export_job_name", Tags = [ { "Key": "key1", "Value": "value1" }, { "Key": "key2", "Value": "value2" } ] ) forecast_export_job_arn = export_forecast_response["ForecastExportJobArn"] print(forecast_export_job_arn)

예측 쿼리

QueryForecast 작업을 사용하여 예측을 쿼리할 수 있습니다. 기본적으로 예상의 전체 범위가 반환됩니다. 전체 예상 내에서 특정 날짜 범위를 요청할 수 있습니다.

예상을 쿼리할 때 필터링 기준을 지정해야 합니다. 필터는 키-값 페어입니다. 키는 예상을 생성할 때 사용된 데이터 세트 중 하나의 스키마 속성 이름(예상 차원을 포함) 중 하나입니다. 은 지정된 키에 대한 유효한 값입니다. 여러 개의 키-값 페어를 지정할 수 있습니다. 반환된 예상은 모든 기준을 충족한 항목만 포함합니다.

콜드 스타트 예측

소매, 제조 또는 소비재 같은 산업에서 고객이 당면하는 일반적인 문제는 과거 데이터가 없는 항목에 대한 예측을 생성하는 것입니다. 이 시나리오를 콜드 스타트 예측이라고 하며, 일반적으로 기업이 신제품을 출시하거나, 브랜드 또는 카탈로그를 온보딩하거나, 새로운 지역에서 제품을 교차 판매할 때 발생합니다.

Amazon Forecast가 콜드 스타트 예측을 수행하기 위해서는 항목 메타데이터가 필요합니다. Forecast는 항목 메타데이터에 있는 항목 특성을 활용하여 항목 메타데이터에서 과거 데이터가 없는 항목과 유사한 항목을 명시적으로 식별합니다. Forecast는 기존 항목의 수요 특성을 사용하여 신규 항목에 대한 콜드 스타트 예측을 생성합니다.

Amazon Forecast는 콜드 스타트 항목을 항목 메타데이터 파일에는 포함되지만 대상 시계열 파일에는 포함되지 않은 항목으로 식별합니다. 콜드 스타트 항목을 올바르게 식별하려면 콜드 스타트 항목의 항목 ID가 항목 메타데이터 파일에 행으로 입력되고 대상 시계열 파일에는 입력되지 않았는지 확인하세요. 콜드 스타트 항목이 여러 개인 경우 항목 메타데이터 파일에 각 항목 ID를 별도의 행으로 입력합니다. 콜드 스타트 항목에 항목 ID가 없는 경우 데이터 세트의 다른 항목에서 아직 사용하지 않은 64자 미만의 영숫자 조합을 사용할 수 있습니다.

콜드 스타트 예측에는 항목 메타데이터 데이터 세트와 AutoPredictor가 모두 필요합니다.