用DeepAR对多个独立产品进行时间序列预测

Question

我想预测一些数据(假设国家的温度).Is有没有办法在deepAR中一次添加多个国家的温度(算法在AWS Sagemaker marketplace可用)，deepAR预测他们independently?.Is有可能删除一个特定的国家数据并在几天后添加另一个吗？

我是新的预测，并想尝试deepAR.If任何人有arleady在这方面的工作，请提供我如何使用deepAR的一些指导方针

链接- https://docs.aws.amazon.com/sagemaker/latest/dg/deepar.html

Answer 1

这是对这篇文章的延迟回复，但我的回复可能会对其他人有所帮助。你第一个问题的答案是肯定的。

您链接到的页面引用了cat字段，这允许您对代表不同记录组的向量进行编码。在您的例子中，cat字段可以只是一个值，但是cat字段也可以编码更复杂的关系，在向量中有更多的维度。

假设您有3个国家/地区需要进行预测。您有一些针对每个国家/地区的时间序列温度训练数据，然后将它们作为行输入到训练JSON文件中，如下所示：

国家/地区1：

{"start": "02/09/2019 00:00:00", "target": [T1,T2,T3,T4,...], "cat": [0]}

国家/地区2：

{"start": "02/09/2019 00:00:00", "target": [T1,T2,T3,T4,...], "cat": [1]}

国家/地区3：

{"start": "02/09/2019 00:00:00", "target": [T1,T2,T3,T4,...], "cat": [2]}

category字段向DeepAR表明这些是独立的数据类别，换句话说，是不同的国家。

所有数据的频率(温度测量之间的时间)必须相同，但是开始时间和训练点的数量不同。

当你已经训练了模型，打开端点并想要对一个国家进行预测时，你可以传递一个特定国家的上下文以及与上面这些国家之一相同的cat。这允许您创建单个模型，该模型将允许您从多个独立的数据组进行预测。

我不太清楚你说的第二个问题是什么意思。如果您打算稍后为另一个国家/地区添加更多训练数据，则需要为该国家/地区创建一个具有附加类别的不同训练数据集，然后重新训练模型。