Treinar preditores - Amazon Forecast

O Amazon Forecast não está mais disponível para novos clientes. Os clientes existentes do Amazon Forecast podem continuar usando o serviço normalmente. Saiba mais

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Treinar preditores

Preditor é um modelo do Amazon Forecast treinado usando séries temporais de destino, séries temporais relacionadas, metadados do item e todos os conjuntos de dados adicionais incluídos. É possível usar preditores para gerar previsões com base em dados de séries temporais.

Por padrão, o Amazon Forecast cria um AutoPredictor, onde o Forecast aplica a combinação ideal de algoritmos a cada série temporal em seus conjuntos de dados.

Criar um preditor

Para treinar um preditor, o Amazon Forecast precisa das seguintes entradas:

  • Grupo de conjuntos de dados: um grupo de conjuntos de dados que deve incluir um conjunto de dados de séries temporais de destino. O conjunto de dados de séries temporais de destino inclui o atributo de destino (item_id) e o atributo de carimbo de data e hora, bem como todas as dimensões. As séries temporais relacionadas e os metadados do item são opcionais. Para ter mais informações, consulte Importação de conjuntos de dados.

  • Frequência de previsão: a granularidade de suas previsões (por hora, diariamente, semanalmente etc.). O Amazon Forecast permite determinar a granularidade exata das previsões ao fornecer a unidade de frequência e o valor. Somente valores inteiros são permitidos

    Unidade de frequência Valores permitidos
    Por minuto 1-59
    Por hora 1-23
    Por dia 1-6
    Por semana 1-4
    Mensal 1-11
    Anual 1

    Por exemplo, se quiser previsões a cada duas semanas, a unidade de frequência será por semana e o valor será 2. Ou, se quiser previsões trimestrais, a unidade de frequência será mensal e o valor será 3.

    Quando os dados são coletados com uma frequência maior do que a prevista, eles são agregados à frequência da previsão. Isso inclui a série temporal final e os dados relacionados. Para obter mais informações sobre agregação, consulte Agregação de dados para diferentes frequências de previsão.

  • Horizonte de previsão: o número de etapas de tempo que estão sendo previstas.

Também é possível definir valores para as seguintes entradas opcionais:

  • Limite de alinhamento de tempo: o tempo que o Forecast usa para agregar os dados e gerar previsões alinhadas à frequência de previsão especificada. Para obter mais informações sobre agregação, consulte Agregação de dados para diferentes frequências de previsão. Para obter informações sobre como especificar um limite de tempo, consulte Limites de tempo.

  • Dimensões de previsão: dimensões são atributos opcionais no conjunto de dados de séries temporais de destino que podem ser usados em combinação com o valor de destino (item_id) para criar séries temporais separadas.

  • Tipos de previsão: os quantis usados para avaliar o preditor.

  • Métrica de otimização: a métrica de precisão usada para otimizar o preditor.

  • Conjuntos de dados adicionais: conjuntos de dados integrados do Amazon Forecast, como Weather Index e Holidays.

É possível criar um preditor utilizando o kit de desenvolvimento de software (SDK) ou o console do Amazon Forecast.

Console

Como criar um preditor

  1. Faça login no AWS Management Console e abra o console do Amazon Forecast em https://console.aws.amazon.com/forecast/.

  2. Na página Grupos de conjuntos de dados, escolha seu grupo de conjuntos de dados.

  3. No painel de navegação, selecione Preditores.

  4. Escolha Treinar novo preditor.

  5. Forneça os valores para os seguintes campos obrigatórios:

    • Nome: um nome de preditor exclusivo.

    • Frequência de previsão: a granularidade das previsões.

    • Horizonte de previsão: o número de etapas de tempo a serem previstas.

  6. Selecione Iniciar.

Para obter informações sobre conjuntos de dados adicionais, consulte Índice meteorológico e Caracterização Holidays. Para saber mais sobre como personalizar tipos de previsão e métricas de otimização, consulte Avaliação da precisão do previsor.

AWS CLI

Para criar um preditor automático com a AWS CLI, use o comando create-predictor. O código a seguir cria um preditor automático que faz previsões para 14 dias no futuro.

Forneça um nome para o preditor e o nome do recurso da Amazon (ARN) do grupo de conjuntos de dados que inclui os dados de treinamento. Opcionalmente, modifique o horizonte e a frequência da previsão. Se desejar, adicione tags ao preditor. Para obter mais informações, consulte Marcação de recursos do Amazon Forecast.

Para obter informações sobre os parâmetros obrigatórios e opcionais, consulte CreateAutoPredictor.

aws forecast create-predictor \ --predictor-name predictor_name \ --data-config DatasetGroupArn="arn:aws:forecast:region:account:dataset-group/datasetGroupName" \ --forecast-horizon 14 \ --forecast-frequency D \ --tags Key=key1,Value=value1 Key=key2,Value=value2

Para saber mais sobre como personalizar tipos de previsão e métricas de otimização, consulte Avaliação da precisão do previsor. Os conjuntos de dados adicionais Weather Index e Holidays são definidos no tipo de dados DataConfig. Para obter informações sobre conjuntos de dados adicionais, consulte Índice meteorológico e Caracterização Holidays.

Python

Para criar um preditor automático com o SDK para Python (Boto3), use o método create_auto_predictor. O código a seguir cria um preditor automático que faz previsões para 14 dias no futuro.

Forneça um nome para o preditor e o nome do recurso da Amazon (ARN) do grupo de conjuntos de dados que inclui os dados de treinamento. Opcionalmente, modifique o horizonte e a frequência da previsão. Se desejar, adicione tags ao preditor. Para obter mais informações, consulte Marcação de recursos do Amazon Forecast.

Para obter informações sobre os parâmetros obrigatórios e opcionais, consulte CreateAutoPredictor.

import boto3 forecast = boto3.client('forecast') create_predictor_response = forecast.create_auto_predictor( PredictorName = 'predictor_name', ForecastHorizon = 14, ForecastFrequency = 'D', DataConfig = { "DatasetGroupArn": "arn:aws:forecast:region:account:dataset-group/datasetGroupName" }, Tags = [ { "Key": "key1", "Value": "value1" }, { "Key": "key2", "Value": "value2" } ] ) print(create_predictor_response['PredictorArn'])

Para saber mais sobre como personalizar tipos de previsão e métricas de otimização, consulte Avaliação da precisão do previsor. Os conjuntos de dados adicionais Weather Index e Holidays são definidos no tipo de dados DataConfig. Para obter informações sobre conjuntos de dados adicionais, consulte Índice meteorológico e Caracterização Holidays.

Atualizando para AutoPredictor

Cadernos Python

Para obter um step-by-step guia sobre como atualizar preditores para AutoPredictor, consulte Atualizando um preditor para. AutoPredictor

Os preditores criados com AutoML ou seleção manual CreatePredictor () podem ser atualizados para um. AutoPredictor A atualização de um to existente AutoPredictor transferirá todas as configurações relevantes do preditor.

Após a atualização para AutoPredictor, o preditor original permanecerá ativo e o preditor atualizado terá um ARN de preditor separado. Isso permite comparar métricas de precisão entre os dois preditores e ainda é possível gerar previsões com o preditor original.

É possível atualizar um preditor utilizando o kit de desenvolvimento de software (SDK) ou o console do Amazon Forecast.

Console

Como atualizar um preditor

  1. Faça login no AWS Management Console e abra o console do Amazon Forecast em https://console.aws.amazon.com/forecast/.

  2. No painel de navegação, selecione Preditores.

  3. Selecione o preditor a ser atualizado e escolha Atualizar.

  4. Defina um nome exclusivo para o preditor atualizado.

  5. Escolha Atualizar para AutoPredictor.

CLI

Para atualizar um preditor com a AWS CLI, use o método create-predictor, mas especifique somente o nome do preditor e o valor de reference-predictor-arn (o ARN do preditor a ser atualizado).

aws forecast create-predictor \ --predictor-name predictor_name \ --reference-predictor-arn arn:aws:forecast:region:account:predictor/predictorName
Python

Para atualizar um preditor com o SDK para Python (Boto3), use o método create_auto_predictor, mas especifique somente o nome do preditor e o valor de ReferencePredictorArn (o ARN do preditor a ser atualizado).

import boto3 forecast = boto3.client('forecast') create_predictor_response = forecast.create_auto_predictor( PredictorName = 'predictor_name', ReferencePredictorArn = 'arn:aws:forecast:region:account:predictor/predictorName' ) print(create_predictor_response['PredictorArn'])

Usar conjuntos de dados adicionais

Ao criar o preditor, o Amazon Forecast pode incluir o Weather Index e o Holidays. O Weather Index incorpora informações meteorológicas ao modelo, e o Holidays inclui informações sobre feriados nacionais.

O Weather Index exige um atributo de “geolocalização” no conjunto de dados de séries temporais de destino e informações sobre fusos horários para os carimbos de data e hora. Para ter mais informações, consulte Índice meteorológico.

O Holidays inclui informações sobre feriados em mais de 250 países. Para ter mais informações, consulte Caracterização Holidays.

Trabalhar com preditores herdados

nota

Para atualizar um preditor existente para AutoPredictor, consulte Atualizando para AutoPredictor

AutoPredictor é o método padrão e preferido para criar um preditor com o Amazon Forecast. AutoPredictor cria preditores aplicando a combinação ideal de algoritmos para cada série temporal em seu conjunto de dados.

Os preditores criados com geralmente AutoPredictor são mais precisos do que os preditores criados com AutoML ou seleção manual. Os recursos de explicabilidade do Forecast e de retreinamento de preditores estão disponíveis somente para preditores criados com. AutoPredictor

O Amazon Forecast também pode criar preditores herdados das seguintes maneiras:

  1. AutoML: o Forecast encontra o algoritmo de melhor performance e o aplica a todo o conjunto de dados.

  2. Seleção manual: selecione manualmente um único algoritmo a ser aplicado a todo o conjunto de dados.

Talvez você consiga criar um preditor herdado usando o kit de desenvolvimento de software (SDK).

SDK

Como usar o AutoML

Utilizando a operação CreatePredictor, defina o valor de PerformAutoML como "true".

{ ... "PerformAutoML": "true", }

Se você usar o AutoML, não poderá definir um valor para os seguintes CreatePredictor parâmetros:AlgorithmArn,,HPOConfig. TrainingParameters