发布于: Sep 21, 2021

我们非常高兴地宣布,在 Amazon Forecast 中,现在您可以选择您选用的准确性指标来指导 AutoML 针对选定准确性指标优化预测程序的训练。此外,我们还增加了另外三个准确性指标来评估预测程序 – 平均加权分位数损失(平均 wQL)、平均绝对百分比误差 (MAPE) 和平均绝对比例误差 (MASE)。

根据业务运营以及在评估预测中通常使用的准确性指标,客户优先使用不同的准确性指标来评估其预测程序。以前,客户通过评估三个准确性指标了解其预测程序的优势:每个所选分布点的加权分位数损失 (wQL) 指标、加权绝对百分比误差 (WAPE) 和均方根误差 (RMSE),但是无法控制 AutoML 对模型准确性的优化情况的指标。

在今天的发布之后,您可以指导 AutoML 针对您选择的特定准确性指标优化预测程序,Forecast 将向客户提供五个不同的模型准确性指标,供您评估预测模型的优势。它们是:所有选定分布点的平均加权分位数损失(平均 wQL)、加权绝对百分比误差 (WAPE)、平均绝对百分比误差 (MAPE)、平均绝对比例误差 (MASE) 和均方根误差 (RMSE),按平均预测水平计算。对于每个指标,非负的低值表示误差较小,因此模型更准确。

为了开始使用这种功能,请阅读我们的博客以了解更多关于每种准确性指标的信息,并查看评估预测程序准确性。您可以在已公开推出 Forecast 的所有区域中使用此功能。有关区域可用性的更多信息,请参阅区域列表