Publié le: Feb 27, 2020
Amazon Forecast est un service entièrement géré à technologie machine learning (ML) que vous pouvez utiliser pour produire des prévisions précises même sans expérience préalable en ML. Amazon Forecast se prête à de nombreux cas d'utilisation : prévision de la demande en énergie, planification de la main-d'œuvre et des ressources, prévision de l'utilisation des infrastructures cloud, planification des stocks, prévision de la demande de produits et planification financière.
Aujourd'hui, nous sommes heureux d'annoncer la prise en charge de trois nouveaux hyperparamètres DeepAR+ qui peuvent contribuer à réduire le temps de formation et à accroître la stabilité et la précision des modèles. Pour améliorer la stabilité des modèles – l'instabilité étant un problème commun aux modèles de deep learning où les résultats varient d'un cycle de formation à l'autre –, vous pouvez commencer par introduire l'hyperparamètre « num_averaged_models » qui permet de calculer la moyenne des résultats sur plusieurs modèles au cours d'un même cycle de formation. Vous pouvez ensuite améliorer la précision des prévisions ainsi que la vitesse de convergence afin de réduire la durée de la formation en modifiant le taux d'apprentissage pendant la formation grâce aux hyperparamètres « learning_rate_decay » et « max_learning_rate_decays ».
En outre, DeepAR+ prend désormais en charge une nouvelle fonction de vraisemblance linéaire par morceaux qui elle-même prend en charge des ensembles de données avec des distributions flexibles sans aucune hypothèse paramétrique. Pour de plus amples informations, veuillez consulter la documentation destinée aux développeurs d'Amazon Forecast.
Ce support hyperparamétrique avancé pour DeepAR+ est désormais disponible dans les régions USA Est (Virginie du Nord, Ohio), USA Ouest (Oregon), Europe (Irlande) et Asie-Pacifique (Tokyo, Singapour, Séoul).