NVIDIA 初创加速计划,免费加速您的创业启动 了解详情
写点什么

Amazon Forecast,简化时间序列预测

  • 2019-10-14
  • 本文字数:1805 字

    阅读完需:约 6 分钟

Amazon Forecast,简化时间序列预测

预见未来的能力是一种不可思议的超能力。在 AWS,我们无法赋予您预见未来的能力,但我们可以帮助您利用机器学习,通过几个步骤来预测时间序列。


时间序列预测的目标是预测时间相关数据的未来价值,例如每周销售额、每日库存水平或每小时网站流量。当今的公司利用简单电子表格和复杂财务规划软件等各类工具,尝试准确预测未来的业务成果,如产品需求、资源需求或财务绩效。


这些工具通过观察历史数据系列(称为时间序列数据)来生成预测。例如,这些工具可以根据“未来由过去决定”的基本假设,仅凭查看之前的销售数据即可尝试预测未来销售情况。


对于趋势没有规律性的大量数据,这种方法或许很难生成准确的预测。此外,这种方法也无法轻松地将随时间而变化的数据序列(例如价格、折扣、Web 流量)与相关的独立变量(如产品功能和门店位置)结合在一起。


隆重推出 Amazon Forecast


二十多年来,Amazon 一直在竭力解决包括零售、供应链和服务器容量在内的多个领域的时间序列预测挑战。 如今,运用我们通过这样的经验掌握的机器学习技术,我们隆重推出 Amazon Forecast – 一项用于时间序列预测的完全托管式深度学习服务。Amazon Forecast 融合我们多年来构建和运行可扩展、高度准确的预测技术的丰富经验,形成一种简单易用、完全托管式的服务。


您可以利用 Amazon Forecast 生成有关时间序列数据的预测,从而预测以下信息:


  • 运营指标,例如服务器的 Web 流量、AWS 使用情况或 IoT 传感器指标。

  • 业务指标,例如销售量、利润和开支。

  • 资源需求,例如满足特定需求所需的能源量或带宽。

  • 制造过程所需的原材料商品、服务或其他投入的数量。

  • 零售需求,同时考虑到价格折扣、营销促销和其他市场活动的影响。

  • Amazon Forecast 旨在提供如下三项主要优势:

  • 准确性,使用深度神经网络和传统统计方法进行预测。Amazon Forecast 可以自动通过您的数据进行学习,选取最佳算法,训练专门为您的数据设计的模型。如果您有许多相关的时间序列,使用 Amazon Forecast 深度学习算法(例如 DeepAR 和 MQ-RNN)做出的预测往往比传统方法(例如指数平滑法)得出的预测更准确。

  • 端到端管理,实现整个预测工作流自动化 – 从数据上传到数据处理、模型训练、数据集更新和预测。企业系统可以直接将您的预测作为 API 使用。

  • 易用性,您可以在控制台中查找不同精确度的任何时间序列预测,并直观呈现。您还可以查看预测工具预测准确性方面的指标。 没有机器学习专业知识的开发人员可以利用 Amazon Forecast API、AWS 命令行界面 (CLI) 或控制台,将训练数据导入一个或多个 Amazon Forecast 数据集中,对模型进行训练,并部署这些模型以生成预测。

  • 使用 Amazon Forecast


在 Amazon Forecast 中创建预测项目时,您主要使用以下资源:


  • 数据集,用于上传数据。Amazon Forecast 算法使用数据集训练模型。

  • 数据集组,这是一个或多个数据集的容器,旨在使用多个数据集训练模型。

  • 预测工具,这是对模型进行训练的结果。为了创建预测工具,您要提供一个数据集组和一份配方(用于提供算法),或者让 Amazon Forecast 决定最合适的预测模型。算法使用数据集中的数据训练模型。

  • 预测,您可以利用预测工具运行推理,从而生成预测。


您可以通过 AWS 控制台、CLI 和开发工具包使用 Amazon Forecast。例如,您可以使用适用于 Python 的 AWS 开发工具包,在 Jupyter 笔记本中训练模型或获取预测,或者使用适用于 Java 的 AWS 开发工具包为现有业务应用程序添加预测功能。


定价和可用性


使用 Amazon Forecast 时,您仅需为实际使用的资源付费。Amazon Forecast 会产生三种不同的费用:


  • 生成的预测:预测是对单个变量在任何时间范围内的未来值的预测。预测的计费单位为 1000(四舍五入到最接近的千位)。

  • 数据存储:存储用于训练模型的每 GB 数据的成本。

  • 训练小时数:基于客户提供的数据,对自定义模型进行训练所需的每小时成本。

  • 作为 AWS 免费套餐的一部分,在初次使用 Amazon Forecast 的前两个月内,您可以免费享受以下权益:


生成的预测:每月最多 1 万次时间序列预测


数据存储:每月最多 10GB


训练小时数:每月最多 10 小时训练时长


Amazon Forecast 已面向以下区域提供预览版:美国东部(弗吉尼亚北部)、美国西部(俄勒冈)。


进行高度准确的时间序列预测从未如此轻松。我非常期待看到我们的客户会利用这款产品取得的成果!


本文转载自 AWS 技术博客。


原文链接:


https://amazonaws-china.com/cn/blogs/china/amazon-forecast-time-series-forecasting-made-easy/


2019-10-14 11:25945
用户头像

发布了 1836 篇内容, 共 92.6 次阅读, 收获喜欢 73 次。

关注

评论

发布
暂无评论
发现更多内容

中国政府大数据市场,我们又是第一

浪潮云

云计算

接口全面重构TypeScript ,让uni-app 具备出色的基础音视频能力

ZEGO即构

typescript uni-app 音视频

强化学习 | COMA

行者AI

人工智能

鉴释×CSDN丨国内外操作系统生态差异在哪?

鉴释

操作系统

面试官问我:如何减少客户对交付成果的质疑

华为云开发者联盟

Scrum 敏捷开发 项目 用户故事 研发

区块链如何赋能智慧城市

CECBC

从渗透测试小白到网络安全大佬的成长之路

学神来啦

Linux 运维 网络安全 渗透测试

网络抓包实战03——TCP/IP协议栈:数据包如何穿越各层协议

青春不可负,生活不可欺

Java的函数式接口

中原银行

Java 函数式接口 中原银行

产业互联网时代的数字化转型与创新

CECBC

dubbogo 社区负责人于雨说

apache/dubbo-go

dubbo dubbo-go dubbogo

联邦学习—金融数据壁垒和隐私保护的解决之道

索信达控股

大数据 金融科技 联邦学习 金融 数据隐私

双非渣硕,开发两年,苦刷算法47天,四面字节斩获offer

Java 程序员 架构 面试 算法

从零开始学习3D可视化之物体选择

ThingJS数字孪生引擎

大前端 可视化 程序媛 3D可视化 数字孪生

搭建企业私有GIT服务

IT视界

git

浅谈B端产品的表单元素设计

LigaAI

产品经理 UI 产品设计与思考

网络抓包实战04——深入浅出连接建立

青春不可负,生活不可欺

奇亚节点分币系统搭建,Bzz节点分币APP搭建

冷门科普类自媒体如何才能脱颖而出

石头IT视角

微服务到底是什么?spring cloud在国内中小型公司能用起来吗?

Java架构师迁哥

“半监督”、“自监督”怎么用?| 算法深度剖析与实战分享

网易易盾技术团队

AI 算法 算法实践 实践案例 深度半监督

英特尔宋继强:异构计算的关键一环,先进封装已经走向前台

E科讯

卧薪尝胆30天!啃透京东大牛的高并发设计进阶手册,终获P7意向书

Java 程序员 架构 面试 高并发

架构实战营 - 模块 6- 作业

carl

ES6 迭代器简述

编程三昧

JavaScript 大前端 ES6 迭代器

虚拟货币监管再加码:央行约谈部分金融机构 要求切断支付链路

CECBC

年中面试经历:美团2面+字节3面+阿里4面+腾讯Java面经,终入字节

Java 程序员 架构 面试

🌏【架构师指南】分布式技术知识点总结(中)

洛神灬殇

分布式架构 架构师技能 分布式技术 6月日更

算法有救了!GitHub上神仙项目手把手带你刷算法,Star数已破110k

Java架构师迁哥

新华三商用终端新品全系入市,重塑办公极致体验

科技热闻

在windows上用Nginx做正向代理

Python研究所

网络 Proxy 正向代理

Amazon Forecast,简化时间序列预测_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章