通过了解一些未来事件来增强预测

Question

使用AWS Forecast时，是否可以通过“部分未来信息”扩展模型以改善预测？

到目前为止，我已经从AWS Forecast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预测。

我对预测和机器学习非常陌生，通过“部分未来信息”，我的意思是：

• 我正在尝试预测变量X的时间序列在未来的行为
• 我正在使用过去的时间序列信息训练一个模型，该模型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” < / li>

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（我从模型中隐瞒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，我真的也想向AWS Forecast讲述例如计划在不久的将来进行的重要广告活动
• 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一个“目标时间序列”以3列的CSV文件格式提供给AWS Forecast（指标名称，时间戳，指标值）；度量标准名称的大约15个不同值；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）。每个指标都在相同的时间间隔内提供（例如，所有指标都在2017-10-01和2019-11-25之间提供）。

我想提供一些额外的部分数据，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：

• 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
• 2017年10月1日至2019年11月25日的促销折扣
• 加计划在 2019-11-26至2020-02-01
中的广告支出

有人可以帮助我介绍一些术语和“操作方法”吗？

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。如果您没有未来气温的预测，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，那该怎么办？

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。您将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）。

但是，您仍然可以在此处执行某事，但是您只需要作一些假设即可。我要做的是为将来的所有日期选择一个固定值，并为所有将来的日期设置一个固定值。也许合适的值是零折扣（全价商品）和每天（我正在弥补）每天1000的网络流量。现在，您拥有过去和将来的完整数据集。

设置完成后，尽管有警告，您现在仍可以回答问题。您得出的预测现在在说...

如果不提供折扣，并且每天吸引1000名用户访问网站，那么在计划的广告支出下，这是我们可以期望的收入。

也许您可以通过在将来输入与前一年相同的流量值来改善这一点。在这种情况下，您现在可以说...

如果我们不提供折扣并且网站获得与去年同期相同的访问量，那么我们可以从计划的广告支出中获得多少收入。

您可以采用诸如“流量上升10％”之类的变体，也可以猜测折扣会是多少，或者像以前一样，可以复制一年前的折扣和流量并说出来。

如果我们像去年一样提供折扣，并且像去年一样看到网站流量，那么给定计划的广告支出，这是我们可以期望的收入。

我怀疑您有这个主意，所以我将停止所有变更。当然，这些实际上只是这些数据的未来预测。但是，“创建折扣或网络流量的预测”并不需要复杂且花哨的东西是毫无价值的。 “与去年相同”是即将发生的事情的完全有效的“预测”。