預測部署的 Autopilot 模型 - Amazon SageMaker

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

預測部署的 Autopilot 模型

使用 AutoML 訓練模型後API，您可以部署模型以進行即時或批次式預測。

AutoML 會針對您的時間序列資料API訓練數個模型候選項目，並根據目標目標指標選取最佳預測模型。模型候選項目經過訓練後，您可以在 DescribeAutoMLJobV2 的回應中找到最佳候選項目BestCandidate。

若要使用此最佳效能模型取得預測，您可以設定端點以互動方式取得預測，或使用批次預測對批次觀察進行預測。

考量事項

  • 提供用於預測的輸入資料時，資料結構描述應與用於訓練模型的結構描述保持相同，包括欄位數、欄位標題以及資料類型。您可以預測相同或不同時間戳記範圍內IDs的現有或新項目，以預測不同時段。

  • 預測模型預測訓練時輸入請求中指定的未來預測範圍點，即從目標結束日期到目標結束日期 + 預測範圍。若要使用模型來預測特定日期，您應該提供與原始輸入資料相同格式的資料，並延伸到指定的目標結束日期。在這個案例中，模型會從新的目標結束日期開始預測。

    例如，如果您的資料集包含從 1 月至 6 月的每月資料，且預測範圍時程為 2，則模型會預測未來 2 個月的目標值，即 7 月和 8 月。如果在八月，您想要預測接下來的 2 個月，這次您的輸入資料應為 1 月至 8 月，且模型會預測接下來的 2 個月 (9 月、10 月)。

  • 預測未來資料點時，沒有設定要提供的歷史資料數量下限。包含足夠的資料來擷取時間序列中的季節性和週期性模式。

主題