データ資産を活用しビジネスを加速させるAI -Amazon Forecast-

#Amazon Forecast

#AWS

にゃー

2019.08.30

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

はじめに

こんにちは、中村です。
re:Invent 2018にて発表がありましたAmazon Forecastがこの度一般公開いたしました。

発表時の記事はこちら

[速報] 時系列予測サービスAmazon Forecastが発表されました #reinvent

今回は、Amazon Forecastがどのようなことができるのかを触れたのちにチュートリアルを行ってみます。

ビジネスを加速させるAI -Amazon Forecast-

Amazon Forecastは、機械学習経験不要で利用できる時系列予測サービスです。

時系列予測を行う

通常、時系列予測を行う場合は、

データの収集
モデル作成
アプリケーションから利用するためのAPI作成

などがあると思っています。そのため、データサイエンティスト、AIエンジニア、インフラエンジニア、アプリケーションエンジニアなど多岐に渡るロールのリソースが必要になります。

Amazon Forecastの場合は、時系列データ・関連データの作成のみでサービス統合ができます。Forecastには、1000件以上のデータポイントと時系列データがあることで最も有効に利用できます。

メリット

Amazon.comでも利用しており典型的なモデルよりも50%以上正確な予測が可能
事前定義されたドメイン・レシピを活用して様々なユースケースに対応
簡単な操作、自動化により高速なリリースに寄与
AWSのデータ暗号化によるデータセキュリティ

価格

予測1000回あたり$0.60
トレーニングデータ1GBあたり$0.088
トレーニング時間1時間あたり$0.238

ドメイン

ドメイン名	説明
RETAIL	各品目または製品の履歴
INVENTORY_PLANNING	原材料の需要
EC2_CAPACITY	Amazon EC2 キャパシティ
WORK_FORCE	労働力需要
WEB_TRAFFIC	ウェブトラフィック
METRICS	収益、売上、キャッシュフローなど
CUSTOM	カスタム要素（上記以外のドメイン）

データセットタイプ

各ドメインごとにデータセットタイプが異なります。データは3種類があります。

データタイプ名	説明
TARGET_TIME_SERIES	必須のデータ、予測値、タイムスタンプ、IDが含まれる
RELATED_TIME_SERIES	ターゲットデータに関連するデータ
ITEM_METADATA	ターゲットデータに適用可能なメタデータ

レシピ（アルゴリズム）

Amazon Forecastでは下記のアルゴリズムがサポートされています。自身で選択することも可能ですがAmazon Forecastが自動的に適切なレシピを選択する機能もあります。

自己回帰和分移動平均(ARIMA)
DeepAR+
指数平滑法(ETS)
ノンパラメトリック時系列 (NPTS)
Prophet

チュートリアル

実際にサンプルを利用して時系列予測をしてみます。まずはデータセットをダウンロードして、Amazon S3へアップロードをします。データセットは、こちらからダウンロードできます。

アップロードが完了したら、Amazon ForecastのサービスページよりCreate dataset groupでデータセットグループを作成します。グループ名およびドメインを指定します。

続いて、Target time seriesのデータセットを作成します。Frequency of your dataは、データセット内のデータがどの時間で計測されているかを定義します。Data schemaでデータセットの構造を定義します。ここには先ほども書きましたがタイムスタンプ・予測に使う値・IDが必須になります。

次にS3からデータをインポートします。ForecastにS3（データセット）へのアクセス権限を与える必要があるためIAM Roleの箇所でCreate a new roleをクリックしてロールを作成します。

ロールが作成できたらS3バケットの指定を行って、Start Importでインポートを開始します。

インポートが終わったら予測子をトレーニングします。DashboardのPredictor trainingのstartをクリックしてください。Forecast horizonは予測を実行する期間になります。Forecast frequecyは、予測時間の幅になります。これはデータセットの計測時間と同じである必要があります。アルゴリズムはAutomaticを選択することでForecastが最適なレシピを選択します。Train predictorをクリックしてトレーニングを開始します。