Publié le: Sep 21, 2021

Nous sommes ravis d'annoncer que dans Amazon Forecast, vous pouvez désormais sélectionner la métrique de précision de votre choix pour demander à AutoML d'optimiser l'entraînement d'un prédicteur pour la métrique de précision sélectionnée. De plus, nous avons ajouté trois autres métriques de précision pour évaluer votre prédicteur : la perte quantile pondérée moyenne (Average wQL), l'erreur moyenne absolue en pourcentage (MAPE) et l'erreur d'échelle absolue moyenne (MASE).

En fonction des opérations commerciales et de la métrique de précision traditionnellement utilisée pour évaluer les prévisions, les clients préféraient utiliser différentes métriques de précision pour évaluer leurs prédicteurs. Auparavant, les clients évaluaient la force de leur prédicteur via trois métriques de précision : la métrique de perte quantile pondérée (weighted quantile loss, wQL) pour chaque point de distribution sélectionné, l'erreur absolue pondérée en pourcentage (weighted absolute percentage error, WAPE) et la racine de l'erreur quadratique moyenne (root mean square error, RMSE), mais n'avaient pas le contrôle sur la métrique qu'AutoML optimise pour la précision du modèle.

Grâce à ces nouvelles fonctionnalités, vous pouvez demander à AutoML d'optimiser le prédicteur pour une métrique de précision spécifique de votre choix et Forecast fournira aux clients cinq métriques de précision de modèle différentes pour vous permettre d'évaluer la force de vos modèles de prévision. Ces modèles sont les suivants : la perte quantile pondérée moyenne (Average wQL) de tous les points de distribution sélectionnés, l'erreur absolue pondérée en pourcentage (weighted absolute percentage error, WAPE), l'erreur moyenne absolue en pourcentage (mean absolute percentage error, MAPE), l'erreur d'échelle absolue moyenne (mean absolute scaled error, MASE) et la racine de l'erreur quadratique moyenne (root mean square error, RMSE), calculés à la prévision moyenne. Pour chaque métrique, une valeur inférieure, non négative, indique une erreur plus petite et donc un modèle plus précis.

Pour commencer avec cette fonctionnalité, consultez notre blog pour en savoir plus sur chaque métrique de précision et référez-vous à la section Évaluer la précision des prédicteurs. Vous pouvez utiliser cette fonctionnalité dans toutes les Régions où Forecast est disponible au grand public. Pour en savoir plus sur la disponibilité par Région, consultez le Tableau des Régions.