Amazon web services 为什么Amazon Forecast无法培训预测者?
在训练我的预测器时,我遇到了这个错误,我被困在了如何修复它的问题上 我有两个数据系列,一个是9234行的“目标时间序列数据”,一个是单个“item_id”,另一个是行数相同的“相关时间序列数据”,因为我只有一个id 我将de数据设置为180天的窗口,错误上出现的第二个数字和第一个数字之间的差值是多少,9414-9234=180Amazon web services 为什么Amazon Forecast无法培训预测者?,amazon-web-services,amazon-forecast,Amazon Web Services,Amazon Forecast,在训练我的预测器时,我遇到了这个错误,我被困在了如何修复它的问题上 我有两个数据系列,一个是9234行的“目标时间序列数据”,一个是单个“item_id”,另一个是行数相同的“相关时间序列数据”,因为我只有一个id 我将de数据设置为180天的窗口,错误上出现的第二个数字和第一个数字之间的差值是多少,9414-9234=180 We were unable to train your predictor. Please ensure there are no missing values for
We were unable to train your predictor.
Please ensure there are no missing values for any items in the related time series, All items need data until 2020-03-15 00:00:00.0. For example, following items have missing data: item: brl only has 9234/9414 required datapoints starting 1994-06-07 00:00:00.0, please refer to documentation for additional details.
一旦我的数据没有丢失的数据并且每天都有,为什么会返回此错误?
我的数据从1994-06-07开始,到2019-09-17结束。为什么我应该有9414个数据点而不是9234个?
我应该在“目标时间序列数据”中提取180天吗?必须知道相关时间序列数据的未来值 一个好的相关时间序列的例子:你知道过去和未来几天,营销部门已经或将发送电子邮件时事通讯,宣传你预测的产品。您可以将此数据用作相关的时间序列 一个坏的相关时间序列的例子:你注意到谷歌搜索与你的产品销售相关的品牌。因此,您希望将其用作相关的时间序列。因为您不知道将来会发生多少次搜索,所以不能将其用作相关的时间序列 在您的情况下,您有9414天的目标时间序列数据,并且您希望预测未来180天的需求。这意味着您的相关时间序列数据应为9594天
编辑:我还没有用亚马逊的预测产品测试过这一点。我的回答是基于与Facebook Prophet的合作(这是亚马逊forcast使用的模型之一)。请告知我的解决方案是否有效。必须知道相关时间序列数据的未来值 一个好的相关时间序列的例子:你知道过去和未来几天,营销部门已经或将发送电子邮件时事通讯,宣传你预测的产品。您可以将此数据用作相关的时间序列 一个坏的相关时间序列的例子:你注意到谷歌搜索与你的产品销售相关的品牌。因此,您希望将其用作相关的时间序列。因为您不知道将来会发生多少次搜索,所以不能将其用作相关的时间序列 在您的情况下,您有9414天的目标时间序列数据,并且您希望预测未来180天的需求。这意味着您的相关时间序列数据应为9594天
编辑:我还没有用亚马逊的预测产品测试过这一点。我的回答是基于与Facebook Prophet的合作(这是亚马逊forcast使用的模型之一)。请告诉我我的解决方案是否有效。你说得对!在阅读了你的答案后,我翻阅了文档,发现了你所说的一切!非常感谢。所以我不明白这到底是怎么做任何“未来”预测的?由于我们需要有当前日期之前的相关数据和滞后于n个预测日的目标数据,因此我们尝试预测我们可以预测的最大值达到相关数据时间戳。@LeggoMaEggo Correct。n个周期的预测只能用时间序列数据进行。您可以通过提供与预测相关的时间序列数据来更好地进行预测,但您需要知道这些数据在将来的价值。如果您不知道相关时间序列的未来值:不要使用它(99%的时间都这样做),或者对它们进行预测。即使您不知道未来,您也可能需要它。我的例子来自零售业,但我相信还有其他的例子。从历史上看,你知道每天的平均销售价格是多少(折扣的衡量标准)。所以你把它作为一个相关的系列。即使你不知道未来会发生什么,你也可以输入完整价格的值来获得销售的“基线”预测:如果我不提供任何折扣,我会卖出多少。实际上,这有助于您在过去的数据中“消除”折扣的影响,并使您的未来预测“更准确”。您是对的!在阅读了你的答案后,我翻阅了文档,发现了你所说的一切!非常感谢。所以我不明白这到底是怎么做任何“未来”预测的?由于我们需要有当前日期之前的相关数据和滞后于n个预测日的目标数据,因此我们尝试预测我们可以预测的最大值达到相关数据时间戳。@LeggoMaEggo Correct。n个周期的预测只能用时间序列数据进行。您可以通过提供与预测相关的时间序列数据来更好地进行预测,但您需要知道这些数据在将来的价值。如果您不知道相关时间序列的未来值:不要使用它(99%的时间都这样做),或者对它们进行预测。即使您不知道未来,您也可能需要它。我的例子来自零售业,但我相信还有其他的例子。从历史上看,你知道每天的平均销售价格是多少(折扣的衡量标准)。所以你把它作为一个相关的系列。即使你不知道未来会发生什么,你也可以输入完整价格的值来获得销售的“基线”预测:如果我不提供任何折扣,我会卖出多少。实际上,这有助于您在过去的数据中“消除”折扣的影响,并使您的未来预测“更准确”。