此 AWS 解决方案实施有何用途?

“使用机器学习提高预测准确性”解决方案可生成、测试、比较和迭代 Amazon Forecast 预测。该解决方案可自动生成 Amazon QuickSight 或 Amazon SageMaker Jupyter 笔记本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。该解决方案以三个默认分位数输出概率预测,以解决过度预置和预置不足的敏感性问题(如右侧的示例预测图所示)。您还可以自定义预测以满足您的需求。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。您可以将此数据用于以下用途:

  • 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,或深入了解过度预置和预置不足问题。
  • 满足客户变化的需求:通过 p90 预测提供高客户满意度,其中的真实值预计在 90% 的时间里低于预测值。
  • 避免过度预置:通过 p10 预测节省成本并避免出现过度预置,其中的真实未来需求值预计只有 10% 的时间低于预测值。
使用 Amazon Forecast 生成的两个预测的对比
预测图表示例
 单击可放大

AWS 解决方案实施概览

下图表示您可以使用该解决方案实施指南和随附的 AWS CloudFormation 模板自动部署的无服务器架构。

使用机器学习提高预测准确性 | 架构图
 单击可放大

使用机器学习解决方案架构提高预测准确性

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。

该模板包括用于 Amazon Forecast 配置的 Amazon Simple Storage Service (Amazon S3) 存储桶;当新数据集上传到相关的 Amazon S3 存储桶时触发的 Amazon S3 事件通知;通过机器学习 AWS Step Functions 状态机器提高预测准确性,并通过一系列 AWS Lambda 函数在 Amazon Forecast 中构建、训练和部署您的机器学习 (ML) 模型;以及用于将 AWS Step Functions 的结果通知管理用户的 Amazon Simple Notification Service (Amazon SNS) 电子邮件订阅。

该解决方案还包括跟踪 Amazon Forecast 预测程序准确性指标的 Amazon CloudWatch 指标,以及数据科学家和开发人员可用于准备和处理数据以及评估 Forecast 输出的 Amazon SageMaker 笔记本实例。

使用机器学习提高预测准确性

版本 1.2.0
上次更新时间:2020 年 11 月
作者:AWS

预计部署时间:5 分钟

使用下面的按钮订阅解决方案更新。

注意:要订阅 RSS 更新,您必须为您正在使用的浏览器启用 RSS 插件。 

此解决方案实施是否能为您提供帮助?
提供反馈 

功能

自动执行手动流程

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

Jupyter 笔记本集成

使用 Jupyter 笔记本将需求、相关时间序列和预测数据整合到一个可视化图中,从而促进实验的开展。

Amazon SNS 通知

在成功和失败时通过电子邮件通知向用户,轻松监控预测。

安全的一键式部署

使用 AWS CloudFormation 模板提供安全的一键式部署,该模板使用 AWS 架构完善的框架方法开发。
构建图标
自己部署解决方案

浏览我们的 AWS 解决方案实施库,以获取常见架构问题的答案。

了解更多 
查找 APN 合作伙伴
查找 APN 合作伙伴

寻找 AWS 认证的咨询和技术合作伙伴,以帮助您入门。

了解更多 
探索图标
了解解决方案咨询服务

浏览我们的咨询服务组合,以获取经过 AWS 审查的解决方案部署帮助。

了解更多