Forecast 已部署的自动驾驶模型 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 中国的 Amazon Web Services 服务入门 (PDF)

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

Forecast 已部署的自动驾驶模型

使用 AutoML 训练模型后API,您可以将其部署以进行实时预测或基于批次的预测。

AutoML 为您的时间序API列数据训练多个候选模型,并根据目标目标指标选择最佳预测模型。您的模型候选人经过培训后,可以在以下位置的响应DescribeAutoMLJobV2中找到最佳候选对象BestCandidate

要使用此性能最佳的模型获得预测,您可以设置端点以交互方式获取预测,也可以使用批量预测对一批观测值进行预测。

注意事项
  • 在提供用于预测的输入数据时,数据的架构应与用于训练模型的架构相同,这包括列数、列标题和数据类型。您可以预测相同或不同时间戳范围IDs内的现有或新物料,以预测不同的时间段。

  • 预测模型针对训练时在输入请求中指定的未来预测范围点进行预测,该范围从目标结束日期开始,到目标结束日期 + 预测范围结束。要使用模型来预测特定日期,您应提供与原始输入数据格式相同的数据,并延伸到指定的目标结束日期。在这种情况下,模型将从新的目标结束日期开始预测。

    例如,如果您的数据集包含从 1 月到 6 月的每月数据,而预测范围为 2,则模型将预测未来 2 个月(即 7 月和 8 月)的目标值。如果在 8 月,您想预测未来 2 个月,那么此时您的输入数据应该是从 1 月到 8 月,模型将预测未来 2 个月(9 月、10 月)。

  • 在预测 future 数据点时,没有设定要提供的最低历史数据量。包括足够的数据,以捕捉时间序列中的季节性和重复性模式。