机器学习预测时间序列 特征值怎么确定_AWS发布时间序列预测云服务，无机器学习基础也能上手...
AWS现在正式推出应用深度学习技术，由云完全托管的时间序列预测服务Amazon Forecast，让使用者不需要拥有机器学习经验，只要上传历史时间序列数据以及其他相关数据，Amazon Forecast就能够自动处理数据，并挑选最适合的算法来训练模型，并为用户提供高精确度的时间序列预测结果。
时序预测用来预测与时间相关的数据未来值，如每周销售额、每日库存或是每小时网站流量等，AWS提到，企业会使用简单的电子表格甚至是复杂的财务规划软件，通过历史时间序列数据以产生预测结果，比如用过去的雨衣销售资料，预测未来的雨衣销售状况，但是这样方法的缺点，是难以为多组不规则的数据，产生精准的预测，也无法简单地将时间序列数据和独立变量结合，比如将价格、折扣和网络流量等数据，与产品特征或是商店位置等信息相关联。
而Amazon Forecast应用深度学习技术，能将网页流量和销售额等历史时间序列数据，结合假日、促销活动等独立变量数据，为用户提供精确的时间序列预测。这是Amazon应用自家在零售、供应链和服务器容量等时间预测经验，所发展出可扩展且高精确度时间序列预测服务，用户可用于各种领域的时序预测，包括信息服务、商业运营、货物库存，以及零售促销等活动。
Amazon Forecast可同时使用深度神经网络以及传统的统计方法，提供高精确的预测。Amazon Forecast会自动从用户提供的数据中学习，并选择最适合的算法来训练模型。
AWS表示，当用户有许多时间序列数据，则使用深度学习算法，会比传统统计指数平滑法还要精准。
这整个预测工作流程从数据上传/处理、模型训练、数据集更新以及预测，都是自动化进行，开发者可以选择使用Amazon Forecast API、命令行工具或是控制台，将训练数据集导入到Amazon Forecast中，进行后续模型训练以及部署工作。
企业能够使用API，将预测功能整合到系统中，以取得预测结果，也可以从控制台查询以及可视化不同精细度的时间序列预测，并且查看预测程序(Predictor)精确度指标，或是批次输出CSV文档，再将数据上传到下游系统。