항목 메타데이터 데이터 세트 사용 - Amazon Forecast

예: 항목 메타데이터 파일 및 스키마 레거시 예측기 및 항목 메타데이터 참고

Amazon Forecast는 더 이상 신규 고객이 사용할 수 없습니다. Amazon Forecast의 기존 고객은 평소와 같이 서비스를 계속 사용할 수 있습니다. 자세히 알아보기

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

Amazon Forecast는 더 이상 신규 고객이 사용할 수 없습니다. Amazon Forecast의 기존 고객은 평소와 같이 서비스를 계속 사용할 수 있습니다. 자세히 알아보기

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

항목 메타데이터 데이터 세트 사용

항목 메타데이터 데이터 세트에는 대상 시계열 데이터 세트의 항목에 대한 중요한 컨텍스트를 제공하는 범주형 데이터가 포함됩니다. 관련 시계열 데이터 세트와 달리 항목 메타데이터 데이터 세트는 정적 정보를 제공합니다. 즉, 데이터 값은 항목의 색상이나 브랜드와 같이 시간이 지남에 따라 일정하게 유지됩니다. 항목 메타데이터 데이터 세트는 데이터 세트 그룹에 선택적으로 추가할 수 있습니다. 대상 시계열 데이터 세트의 모든 항목이 해당 항목 메타데이터 데이터 세트에 있는 경우에만 항목 메타데이터를 사용할 수 있습니다.

항목 메타데이터에는 특정 항목의 브랜드, 색상, 모델, 범주, 출처 또는 기타 보충 기능이 포함될 수 있습니다. 예를 들어, 항목 메타데이터 데이터 세트는 32GB의 스토리지를 갖춘 블랙 Amazon e-리더의 판매를 나타내는 대상 시계열 데이터 세트에 있는 일부 수요 데이터에 대한 컨텍스트를 제공할 수 있습니다. 이러한 특성은 매일 또는 매시간마다 변경되지 않으므로 항목 메타데이터 데이터 세트에 속합니다.

항목 메타데이터는 시계열 데이터에서 설명 패턴을 검색하고 추적하는 데 유용합니다. 데이터 세트 그룹에 항목 메타데이터 데이터 세트를 포함하는 경우 Forecast는 항목 간의 유사성을 기반으로 더욱 정확한 예측을 하도록 모델을 훈련할 수 있습니다. 예를 들어, Amazon에서 만든 가상 보조 제품이 다른 회사에서 만든 제품보다 매진될 가능성이 더 높으며 이에 따라 공급망을 계획할 수 있습니다.

항목 메타데이터는 예측을 수행할 직접적인 과거 데이터가 없지만 유사한 메타데이터 속성을 가진 항목에 대한 과거 데이터가 있는 콜드 스타트 예측 시나리오에 특히 유용합니다. 항목 메타데이터를 사용하면 Forecast는 콜드 스타트 항목과 유사한 항목을 활용하여 예측을 생성할 수 있습니다.

항목 메타데이터를 포함하면 Forecast는 유사한 시계열을 기반으로 콜드 스타트 예측을 생성하므로 더 정확한 예측을 생성할 수 있습니다. 콜드 스타트 예측은 항목 메타데이터 데이터 세트에는 있지만 후행 시계열에는 없는 항목에 대해 생성됩니다. 먼저 Forecast는 콜드 스타트가 아닌 항목, 즉 후행 시계열에 과거 데이터가 있는 항목에 대한 예측을 생성합니다. 그런 다음 항목 메타데이터 데이터 세트를 사용하여 각 콜드 스타트 항목의 가장 가까운 이웃을 찾습니다. 그런 다음 이러한 가장 가까운 이웃을 사용하여 콜드 스타트 예측을 생성합니다.

항목 메타데이터 데이터 세트의 각 행에는 최대 10개의 메타데이터 필드가 포함될 수 있으며, 그 중 하나는 메타데이터를 대상 시계열의 항목과 일치시키기 위한 식별 필드여야 합니다. 모든 데이터 세트 유형과 마찬가지로 각 필드의 값은 데이터 세트 스키마에 의해 지정됩니다.

Python 노트북

항목 메타데이터 사용에 대한 단계별 안내는 항목 메타데이터 통합을 참조하세요.

예: 항목 메타데이터 파일 및 스키마

다음 표에는 Amazon e-리더를 설명하는 올바르게 구성된 항목 메타데이터 데이터 세트 파일의 섹션이 나와 있습니다. 이 예에서는 헤더 행이 데이터 세트의 스키마를 나타내고, 나열된 각 항목이 해당 대상 시계열 데이터 세트에 있다고 가정합니다.

`item_id`	`brand`	`model`	`color`	`waterproof`
1	Amazon	paperwhite	black	yes
2	Amazon	paperwhite	.blue	yes
3	Amazon	base_model	black	아니요
4	Amazon	base_model	white	아니요
...

다음은 CSV 형식으로 표시되는 것과 동일한 정보입니다.


1,amazon,paperwhite,black,yes
2,amazon,paperwhite,blue,yes
3,amazon,base_model,black,no
4,amazon,base_model,white,no
...

다음은 이 데이터 세트 예제에 대한 스키마입니다.


{
     "attributes": [
        {
           "AttributeName": "item_id",
           "AttributeType": "string"
        },
        {
           "AttributeName": "brand",
           "AttributeType": "string"
        },
        {
           "AttributeName": "model",
           "AttributeType": "string"
        },
        {
           "AttributeName": "color",
           "AttributeType": "string"
        },
        {
           "AttributeName": "waterproof",
           "AttributeType": "string"
        }
    ]
}