# AWS - Forecast
# Forecast
Amazon Forecast 使用 機器學習 (ML)，根據歷史資料預測未來的業務需求。
它基於 Amazon.com 內部的銷售預測技術 (DeepAR+)，不需要你具備 ML 專業知識就能建模。
你給 Forecast「過去的銷售紀錄」，它就會幫你算出「未來幾週的銷售量」。
# 用途與應用場景
| 應用 | 說明 |
|---|---|
| 🛍️ 銷售預測 | 根據歷史銷售量預測庫存需求 |
| 🚚 物流預測 | 預測運輸需求、車隊使用量 |
| 💰 財務預測 | 預測收入、支出或現金流 |
| 🏭 產能與人力排程 | 根據需求預測調整產線與人力 |
| 🌤️ 網站或 IoT 流量預測 | 預測訪問量、感測器數據變化 |
# 核心流程
- Data Preparation 收集與上傳歷史資料至 S3
- Dataset Group 定義要預測的資料集（Target、Related、Metadata）
- Predictor Training 自動選擇並訓練最佳模型（AutoML）
- Forecast Generation 產生未來時間序列預測
- Forecast Query / Visualization 查詢或用 QuickSight 視覺化結果
# 資料集類型（Dataset Types）
| 類型 | 說明 | 範例欄位 |
|---|---|---|
| Target Time Series | 預測的主要目標 | item_id, timestamp, demand |
| Related Time Series | 外生變數（影響因素） | item_id, timestamp, price, promotion |
| Item Metadata | 靜態屬性 | item_id, category, region |
預測某商品的每日銷售量：
Target = 銷售數量
Related = 價格、促銷
Metadata = 商品分類、地區
# 支援的演算法
Amazon Forecast 內建多種 ML 模型，可手動選擇或使用 AutoML 自動挑選最佳模型
| 模型名稱 | 特點 |
|---|---|
| DeepAR+ | 基於 LSTM 的深度學習模型，能捕捉季節性與趨勢（最常用） |
| CNN-QR | 適合大量時間序列並行預測 |
| ARIMA / ETS / Prophet | 傳統統計預測法 |
| NPTS (Non-parametric Time Series) | 適合資料量少的場景 |
| AutoML (AutoPredictor) | 讓 Forecast 自動選最佳演算法與超參數 |
# Reference
- AWS - Training Predictors
