利用一些未来事件的知识来增强预测

Question

使用AWS Forecast时，有什么方法可以通过“部分未来信息”来扩展我们的模型，以改善预测？

到目前为止，我已经从AWS预测中获得了相当可靠的预测，但是怀疑如果可以提供一些有关已知未来事件的信息，我可以在一定程度上改善这些预测。

我对预测和机器学习非常陌生，“部分未来信息”是我的意思：

• 我正在尝试预测变量X的时间序列在将来的行为
• 我正在使用过去的时间序列信息来训练一个模型，其中包含许多不同的变量，包括X
• 我还想为这些变量的子集提供已知的未来时间序列信息，因为1）它们应该对预测产生重大影响，并且2）这将使我能够执行“假设分析”]

更具体地说：

• 我正在尝试根据过去的收入，网络流量，广告支出和促销折扣来预测未来的收入
• 到目前为止，AWS Forecast一直为我提供良好的预测（我从模型中保留了许多个月的已知数据，并且其关于“未来”的预测与已知数据非常吻合）]
• 但是，我真的也想告诉AWS Forecast有关计划在不久的将来进行的重大广告活动的信息
• 我还非常希望能够更改一些将来的变量或变量，并查看它们如何影响结果（“如果我下个月在广告上花费$ Z，该怎么办？”]

[当前，我将所有过去的收入，网络流量，广告支出和促销折扣信息作为“目标时间序列”提供给AWS Forecast，格式为具有3列（指标名称，时间戳记）的单个CSV文件。 ，指标值）；度量标准名称的大约15个不同值；大约10,000行数据（几年价值的15个变量的每日值=〜2 * 365 * 15 =〜11,000行）。在同一时间间隔内提供每个指标（例如，所有指标都在2017-10-01和2019-11-25之间提供）。

我想提供一些其他的部分数据，以突出显示已知的未来重大事件（广告，促销折扣），以进一步改善我们的预测。

例如：

• 从2017年10月1日至2019年11月25日的收入
• 2017年10月1日至2019年11月25日的网络流量
• 从2017年10月1日至2019年11月25日的广告支出
• 从2017-10-01到2019-11-25的促销折扣
• << [plus
在2019-11-26至2020-02-01]的计划广告支出有人可以帮我提供一些术语和技巧吗？

[使用AWS Forecast时，是否有某种方法可以通过“部分未来信息”来扩充我们的模型以改善预测？我从AWS Forecast中获得了非常可靠的预测...

Answer 1

[通常，要在历史数据中使用变量，您也需要在将来对其进行预测。这就像尝试预测用电量，然后将历史温度放入数据集中。如果您没有对未来温度的预测，那么这些信息对改善您的预测没有任何帮助。因为现在我知道“多一度的温度会对用电量产生什么影响”，但是如果我不知道明天的温度会怎样，我该怎么办？

在您的情况下，您有1个要预测（收入）的指标和3个支持数据：点击量，广告支出，折扣。您未来的广告支出非常好，但是如果没有其他两个支出，您会有点不走运（根据上一段）。