亚马逊AWS官方博客
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。
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！