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.
Visualizar resultados de monitoramento
Depois de gerar uma previsão e importar mais dados, você pode visualizar os resultados do monitoramento do preditor. Você pode ver uma visualização dos resultados com o console Forecast ou pode recuperar os resultados de forma programática com a operação. ListMonitorEvaluations
O console Forecast exibe gráficos de resultados para cada métrica preditora. Os gráficos incluem como cada métrica mudou ao longo da vida útil do seu preditor e dos eventos preditores, como o retreinamento.
A ListMonitorEvaluations operação retorna resultados métricos e eventos preditores para diferentes janelas de tempo.
- Console
-
Para visualizar os resultados do monitoramento do preditor
Faça login no AWS Management Console e abra o console do Amazon Pinpoint em https://console.aws.amazon.com/pinpoint/.
-
Em Grupos de conjuntos de dados, escolha seu grupo de conjuntos de dados.
-
No painel de navegação, selecione Predictors.
-
Escolha o preditor e escolha a guia Monitoramento.
-
A seção Resultados do monitoramento mostra como as diferentes métricas de precisão mudaram ao longo do tempo. Use a lista suspensa para alterar a métrica que o gráfico rastreia.
-
A seção Histórico de monitoramento lista os detalhes dos diferentes eventos rastreados nos resultados.
Veja a seguir um exemplo de um gráfico de como a Avg
wQL
pontuação de um preditor mudou ao longo do tempo. Neste gráfico, observe que o Avg wQL
valor está aumentando com o tempo. Esse aumento indica que a precisão do preditor está diminuindo. Use essas informações para determinar se você precisa revalidar o modelo e agir.
- SDK for Python (Boto3)
-
Para obter resultados de monitoramento com o SDK para Python (Boto3), use o método. list_monitor_evaluations
Forneça o nome de recurso da Amazon (ARN) do monitor e, opcionalmente, especifique o número máximo de resultados a serem recuperados com o parâmetro. MaxResults
Opcionalmente, especifique um Filter
para filtrar os resultados. Você pode filtrar as avaliações por EvaluationState
um SUCCESS
ouFAILURE
. O código a seguir obtém no máximo 20 avaliações de monitoramento bem-sucedidas.
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)
O seguinte é um exemplo de resposta do 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}
]
}
]
}