使用機器學習提高預測準確性

生成、测试、比较和迭代 Amazon Forecast 的预测结果

概觀

該解決方案可自動產生預測並為 Amazon QuickSight 或 Amazon SageMaker Jupyter Notebook 產生視覺化儀表板,提供快速、簡便的拖放式界面來顯示時間序列輸入和預測輸出。預測可應用於預估零售庫存需求、供應鏈規劃、人力狀態、Web 流量預測等等。

可以跨維度 (例如,零售店位置) 或項目級別的中繼資料 (例如,產品品牌、大小和顏色) 比較預測。您可以將這些資料用於以下用途:

  • 最佳化現有預測 - 使用 p50 預測節省時間並保持與舊版工具的相容性,或者深入了解存貨過多和存貨不足。
  • 滿足可變的客戶需求 - 透過 p90 預測提供高水平的客戶滿意度,這時預計在 90% 的時間裡,實際需求比預測的需求低。
  • 避免存貨過多 - 使用 p10 預測節省成本並避免存貨過多,因為預計未來的真實需求僅在 10% 的時間裡低於預測的需求。

 

優勢

自動化程序

透過 Amazon Forecast 的自動化,精簡為多重實驗進行擷取、模型建立和預測的程序。

安全部署

使用以 AWS Well-Architected 架構法開發的 AWS CloudFormation 範本,提供安全的一鍵式部署。

主動監控

於成功與失敗發生時傳送電子郵件給使用者,輕鬆監控預測。 

自動視覺化

透過在 Amazon QuickSight Analysis 或 Jupyter Notebook 中結合您的輸入資料和預測輸出來促進協作和實驗。

技術詳細資訊

AWS CloudFormation 範本可部署將 Amazon Forecast 的使用與部署自動化所需的資源。基於此解決方案的能力,架構分為三部分:資料準備、預測和資料視覺化。該範本包含以下元件:

適用於此 AWS 解決方案的使用案例
需求預測和規劃 生產製造最佳化 預測 需求預測
關於此部署
版本
1.5.4
發行時間
04/2023
作者
AWS
預估部署時間
5 分鐘
預估成本
下載實作指南  原始程式碼  CloudFormation 範本  訂閱 RSS 摘要 
部署選項
準備好開始使用了嗎?
在您的 AWS Console 中啟動此解決方案,即可將其部署

需要更多協助嗎? 與合作夥伴合作執行部署。
找到 AWS 認證的第三方專家以協助此部署
此 AWS 解決方案對您有幫助嗎?
提供意見回饋
影片
透過 AWS 解決方案處理問題:使用機器學習提高預測準確性
觀看影片 
客戶參考
App8 使用 AWS 解決方案協助餐廳預測需求

了解科技公司 App8 如何開發一種工具,該工具可以使用「使用機器學習提高預測準確性解決方案」來預測特定菜單項的客戶數量和需求。

閱讀完整案例 
AWS 架構部落格
使用機器學習提高零售預測準確性

在此部落格中,我們將向您展示如何使用 Amazon Forecast 和 AWS 審查的解決方案來建立可靠的零售預測系統,該解決方案稱為使用機器學習提高預測準確性。

閱讀完整的部落格文章 
適用於各產業的 AWS
使用 Amazon Forecast 進行短期電力負載預測

了解如何使用機器學習解決方案提高預測準確性簡化了電力和公用事業的短期電力負載預測,以提升電網穩定性。

閱讀完整的部落格文章 
培訓
ML Building Blocks: Services and Terminology

本課程將釐清機器學習堆疊與術語,以及協助您建置良好機器學習基礎的程序。

立即報名 
培訓
探究 AI/ML/DL 的奧秘

完成這套課程後,您將了解人工智慧 (AI) 如何導向機器學習 (ML),進而導向深度學習 (DL)。

立即報名