发布于: Aug 12, 2020
Amazon Forecast 不需要任何关于库存计划、劳动力计划、能源需求预测和云基础设施使用预测的 ML 经验即可使用机器学习生成准确的需求预测。此项技术是经过 Amazon.com 20 多年的预测开发出来的。Amazon Forecast 是一项完全托管的服务，因此无需预置服务器，也无需构建、培训或部署机器学习模型。
我们很高兴地宣布 Amazon Forecast 现在可以使用卷积神经网络 (CNN) 来训练预测模型，这使得速度提高 2 倍且准确性提高 30％。CNN 算法是一类基于神经网络的机器学习 (ML) 算法，它在 Amazon.com 的需求预测系统中发挥着至关重要的作用，并使 Amazon.com 能够每天预测超过 4 亿种产品的需求。有关 Amazon.com 使用 CNN 模型构建需求预测技术的更多信息，请观看 re:MARS 2019 主题演讲视频。Forecast 将 Amazon.com 上使用的相同技术作为一项完全托管服务提供给日常开发人员。任何人都可以通过 Forecast 控制台或 API 来开始使用 Forecast，而不需要事先具有任何 ML 经验。
在 Amazon，多年来我们了解到没有一种算法能够为所有数据类型提供最准确的预测。传统统计模型可用于预测具有常规需求模式的产品的需求，例如夏天的防晒霜和冬天的羊毛衣服。但是，统计模型无法针对更复杂的情况提供准确预测，例如频繁的价格变动、地区与国家需求之间的差异、销售速度不同的产品以及新产品的增加。复杂的深度学习模型可以在这些用例中提供更高的准确性。Forecast 会自动检查您的数据，并在一组统计和深度学习算法中选择最佳算法，以便训练更准确的数据预测模型。通过添加基于 CNN 的深度学习算法，与目前受支持的算法相比，Forecast 现在可进一步将准确性提高高达 30％，并将模型训练速度提高 2 倍。此新算法可以更准确地检测主要需求指标，例如预订信息、产品页面访问量、价格变动和促销高峰，以便建立更准确的预测。
要开始使用，请在我们的博客中了解有关如何使用 CNN 算法的更多信息，并参阅 CNN-QR 算法文档。新 CNN 算法在已面向公众推出 Forecast 的所有区域可用。有关区域可用性的更多信息，请参阅区域表。