使用机器学习提高预测准确性

生成、测试、比较和迭代 Amazon Forecast 预测

使用机器学习提高预测准确性的解决方案将于 2023 年 12 月 31 日停用。此后,所有现有部署将继续有效,客户仍可全面控制其环境和数据,但是,该解决方案将不再获得支持或维护。

如果您正在考虑进行新的部署,请参阅自动部署 Amazon Forecast 时间序列预测模型博客文章中提供的指南。

概览

“使用机器学习提高预测准确性”解决方案可自动生成 Amazon QuickSight 或 Amazon SageMaker Jupyter Notebook 的预测并生成可视化控制面板,提供快速、简单的拖放界面,显示时间序列输入和预测输出。预测功能可用于预测零售库存需求、供应链规划、劳动力状况、Web 流量预测等。

预测可以跨维度(例如零售商店位置)或商品级别元数据(例如商品品牌、尺寸和颜色)进行比较。您可以利用此数据实现以下目的:

  • 优化现有预测 – 通过 p50 预测节省时间并保持与旧工具的兼容性,或深入了解过度预调配和预调配不足的问题。
  • 满足不断变化的客户需求 – 通过 p90 预测实现高客户满意度,真实值预计在 90% 的时间里低于预测值。
  • 避免过度预调配 – 通过 p10 预测节省成本并避免出现过度预调配,真实未来需求值预计只有 10% 的时间低于预测值。

 

优势

自动化流程

通过 Amazon Forecast 的自动化,简化多项实验的提取、建模和预测的流程。

安全部署

使用 AWS CloudFormation 模板提供安全的一键式部署,该模板使用 AWS Well-Architected Framework 方法开发。

主动监控

在成功和失败时通过电子邮件通知向用户,轻松监控预测。 

自动可视化

通过在 Amazon QuickSight 分析或 Jupyter Notebook 中整合输入数据和预测输出,促进协作与实验。

技术详情

AWS CloudFormation 模板可部署自动化 Amazon Forecast 使用量和部署所需的资源。根据解决方案的功能,架构分为三个部分:数据准备、预测和数据可视化。该模板包括以下组件:

关于此部署
版本
1.5.5
发布时间
2023 年 11 月
作者
AWS
预计部署时间
5 分钟
预估费用
下载实施指南  源代码  CloudFormation 模板  订阅 RSS 源 
部署选项
准备好开始使用了吗?
通过在 AWS 管理控制台启动来部署此解决方案

需要帮助? 通过合作伙伴部署。
查找已获 AWS 认证的第三方专家协助此部署
此 AWS 解决方案是否可以帮到您?
提供反馈
视频
使用 AWS 解决方案解决问题:使用机器学习提高预测准确性
观看视频 
客户参考
App8 使用 AWS 解决方案帮助餐厅预测需求

了解科技公司 App8 如何使用通过机器学习提高零售预测准确性解决方案开发能够预测客户量以及特定菜单项需求的工具。

阅读全文 
AWS 架构博客
通过机器学习提高零售预测准确性

在这篇博客文章中,我们将向您展示如何使用 Amazon Forecast 以及名为通过机器学习提高零售预测准确性的经 AWS 审查的解决方案构建可靠的零售预测系统。

阅读完整博客文章 
AWS for Industries
使用 Amazon Forecast 进行短期电力负荷预测

了解通过机器学习提高预测准确性解决方案如何简化电力和公用事业的短期电力负荷预测以提高了电网的可靠性。

阅读完整博客文章 
培训
ML Building Blocks: Services and Terminology

本课程阐明机器学习技术以及各种术语和过程,帮助您建立良好的机器学习基础。

立即报名 
培训
揭秘 AI/ML/DL

在完成这套课程后,您将了解人工智能(AI)如何催生出机器学习(ML),然后催生出深度学习(DL)。

立即报名