「AWSの基礎を学ぼう 第五十回 Amazon Forecast」 #awsbasics 受講メモ

awsbasics.connpass.com

先週の第四十九回は、ワクチン接種と重なったため受講できませんでしたので、2週間ぶりです。

セッション

Amazon Forecast

講師：アマゾン ウェブ サービス ジャパン、シニアエバンジェリスト 亀田氏

Amazon Forecast

• 時系列データの予測サービス
  • Amazon.com の20年の経験
  • 6種類のアルゴリズム
  • 1,000以上の時系列データに置いて、深層学習で制度50%向上
• 用語
  • データセットグループ/データセット
    • 予測を行うためのデータセット・データセット郡
  • Predictors
    • 予測子
  • Forecasts
    • 予測

時系列データの予測の問題

• パターン化したものを機械学習で予測
• 機械学習を使ってコンピュートリソースを下げる
• パターンマッチを探して計算量を減らす

時系列予測の従来の課題

• 季節性
• 商品の特徴、メタデータの扱いできない
• 価格、祝日、プロモーションなどの関連データを組み込めない
• 過去データがないもの

Forecast のワークフロー概要

1. S3 に CSV 準備
   必要ならGlueなどで正規化
2. データセットグループの作成
3. Schemaの定義
4. データセットの作成
5. 各種データのインポート
6. 予測子の作成
   トレーニングが実行されモデルが作成される
   
7. 予測子の評価
   1年分のデータのうち、10ヶ月を学習して、2ヶ月を評価に使ったり
8. 予測の作成

データセットドメイン

• TARGET_TIME_SERIES
  • すべてのドメインで必須
  • 予測フィールドは最大10個指定することができる
• RELATED_TIME_SERIES
  • 時間を補足するデータ
    • 天気とか、キャンペーンをしてたとか
  • 最大13個指定することができる
    • 増やす場合は、データ量もたくさんいる
  • 予測したい期間も含めて、未来の時系列も入れる
    • 1ヶ月後の天気とか、わかりにくいのを使うとブレる
    • キャンペーンとかは精度が高くなる
• ITEM_METADATA

予測子の作成　トレーニング

• 予測頻度
  • 分、時間、日、週、月、年
• 予測期間
  • 予測する期間、ステップ数
  • 投入データの1/3か500の小さい方になる
• アルゴリズム
  • ARIMA, CNN-QR, ETS, NPTS, Proghet, DeepAR+
    • コレ以外は SageMaker で
    • SageMaker のほうがなんでもできるけど時間はかかる

アルゴリズム

• ARIMA : 自己回帰和文移動平均
  • 定常性がある波打つ動きを平均化する
  • キャンペーンとかのスパイクはノイズ
• ETS : 指数平滑法
  • ARIMA と逆に変動性に重きを置く
  • 加重平均で計算
• NPTS : ノンパラメトリック時系列
  • サンプリングで動作
  • すべてのデータではなく定点観測して動く（GAとかも定点観測）
• Prophet : ベイズ構造時系列モデル
  • 詳細なデータの取扱が得意
• CNN-QR : 畳み込みニューラルネットワーク-分位回帰
  • What-if 分析に利用可能
• DeepAR+ : 再帰型ニュートラルネットワーク
  • DeepLearning
  • What-if 分析に利用可能

AutoML

• すべてのアルゴリズムを評価
• データセットに基づいて最適なアルゴリズムを Forecast が自動で選択

所感

機械学習全然わからん...
という私のような状況でも、時系列予測ができそうということはわかりました。