Inserito il: May 14, 2020
Amazon Forecast è un servizio completamente gestito che usa l'apprendimento automatico (o Machine Learning, ML) per generare previsioni accurate, senza la necessità di avere alcuna precedente esperienza ML. Amazon Forecast è idoneo per una grande varietà di casi d’uso che comprendono le previsioni sulla domanda, la programmazione dell’inventario, la pianificazione del personale e della risorse, la previsione sulla domanda energetica e le previsioni sull'utilizzo dell'infrastruttura cloud.
Oggi siamo lieti di annunciare il supporto per il riempimento automatico dei valori mancanti nel set di dati delle serie temporali correlate sia per i periodi storici che per quelli previsti. In Amazon Forecast, le serie temporali correlate includono dati come promozioni, prezzi o condizioni meteorologiche, che si correlano con il valore di destinazione (ad esempio, la domanda di prodotto) e possono spesso migliorare l'accuratezza della previsione. Fino ad ora, ci si aspettava che i clienti di Amazon Forecast fornissero i dati relativi alle serie temporali senza valori mancanti, il che a volte risultava difficile (ad esempio, nel caso del fornire dati relativi ai prezzi dei prodotti per l'intero periodo storico e di previsione). Con questa nuova funzionalità, i clienti possono ora utilizzare diverse opzioni di valori mancanti (come valore, mediana, min, max e media), a seconda del caso d'uso specifico, per il relativo set di dati delle serie temporali. Inoltre, stiamo espandendo il supporto per le opzioni di riempimento dei valori mancanti esistenti (oltre a "0" e "NaN") per il set di dati della serie temporale di destinazione. Per utilizzare questa nuova funzionalità, puoi sfruttare l’opzione FeaturizationConfig nell’API CreatePredictor. Per ulteriori informazioni, visita la documentazione per sviluppatori di Amazon Forecast.
Questa funzionalità per i valori mancanti è ora disponibile negli Stati Uniti orientali (Virginia settentrionale, Ohio), Stati Uniti occidentali (Oregon), UE (Irlanda, Francoforte) e Asia Pacifico (Tokyo, Singapore, Seul, Sidney, Mumbai).