2024/11/13 まるクラ勉強会 ONLINE #3 貞松 政史 我々がマネージドサービスに頼らず 時系列予測を実行する方法

AWSは2024年7月29日を以て Amazon Forecastへの新規顧客アクセスを終了 (既存利用顧客は既存リソースにアクセス可能) ご存知でしょうか？ 2

AWS公式ブログによる移行案内 3 https://aws.amazon.com/jp/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/ Transition your Amazon Forecast usage to Amazon SageMaker Canvas (Amazon Forecast の使用を Amazon SageMaker Canvas に移行する)

本セッションでご紹介する内容 4 時系列予測タスクに対して • Amazon SageMaker Canvasを活用する方法 • 時系列予測用のライブラリを活用する方法

自己紹介 5 氏名 貞松 政史 (サダマツ マサシ) 所属 データ事業本部 インテグレーション部 機械学習チーム マネージャー

おしながき 6 1. そもそも時系列予測が必要なケース 2. 一般的な時系列予測アルゴリズム 3. Amazon SageMaker Canvasを活用した時系列予測 4. Pythonライブラリを活用した時系列予測

そもそも時系列予測が必要なケース 7 1. そもそも時系列予測が必要なケース 2. 一般的な時系列予測アルゴリズム 3. Amazon SageMaker Canvasを活用した時系列予測 4. Pythonライブラリを活用した時系列予測

時系列予測のユースケース 8 • 小売の需要予測 • 在庫予測 • 収益・売上・キャッシュフローの予測 • 従業員・労働力の計画 • ウェブトラフィックの見積 etc…

一般的な時系列予測アルゴリズム 9 1. そもそも時系列予測が必要なケース 2. 一般的な時系列予測アルゴリズム 3. Amazon SageMaker Canvasを活用した時系列予測 4. Pythonライブラリを活用した時系列予測

どうやって予測するのか 10 0 2 4 6 8 10 12 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 value 0 10 20 30 40 50 60 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 value temp 予測対象データ自体の傾向 季節変動・トレンド →その他外部要因（周辺環境の変化、世界情勢）など 古典的な統計手法や機械学習を適用することで予測

一般的な時系列予測アルゴリズムの例 11 ⚫ ARIMA ⚫ クラシックな統計的時系列予測手法 ⚫ シンプル、線形トレンド、季節性に適する ⚫ Prophet ⚫ Meta社製の時系列予測手法 ⚫ 非線形トレンド、季節性に適する ⚫ RNN (Recurrent Neural Network)ベースのアルゴリズム ⚫ より複雑なデータに対応する ⚫ LSTM (Long Short Term Memory) ⚫ GRU (Gated Recurrent Unit)

Amazon SageMaker Canvasを活用した時系列予測 12 1. そもそも時系列予測が必要なケース 2. 一般的な時系列予測アルゴリズム 3. Amazon SageMaker Canvasを活用した時系列予測 4. Pythonライブラリを活用した時系列予測

Amazon SageMaker Canvasとは 13 機械学習に関する一連のプロセスに対してGUIを備えたノーコード/ローコード開発環境

SageMaker Canvasで時系列予測を作成する手順 14 ①使用するデータセットを選択 ②Create a modelをクリック

SageMaker Canvasで時系列予測を作成する手順 15 ターゲット列

SageMaker Canvasで時系列予測を作成する手順 16 時系列予測の場合はこれ

SageMaker Canvasで時系列予測を作成する手順 17 時系列予測のモデルタイプ 時系列の系列IDになる列を指定 Timestamp列を指定 何個先までの予測を作るかを指定

SageMaker Canvasで時系列予測を作成する手順 18 クリックして実行

SageMaker Canvasで時系列予測を作成する手順 19 表示したい系列を選択

Pythonライブラリを活用した時系列予測 20 1. そもそも時系列予測が必要なケース 2. 一般的な時系列予測アルゴリズム 3. Amazon SageMaker Canvasを活用した時系列予測 4. Pythonライブラリを活用した時系列予測

Pythonライブラリを活用した時系列予測の実装 21 ⚫ ARIMAおよびProphet ⚫ sktime(scikit-learnを踏襲した時系列予測用ライブラリ)を利用 ⚫ sktime自体は実行を制御してくれるもので、実体のライブラリは以下 ⚫ pmdarima ⚫ prophet ⚫ LSTMおよびGRU ⚫ PyTorchによる実装 ⚫ torch.nnがLSTMやGRUをサポート

sktimeでProphetによる時系列予測を作成してみる 22

sktimeでProphetによる時系列予測を作成してみる 23 DataFrameに読み込んだデータセットから ターゲット列と外生変数を指定する (外生変数は複数指定可能) ここで渡す

sktimeでProphetによる時系列予測を作成してみる 24

sktimeでProphetによる時系列予測を作成してみる 25

参考Blog 26 https://dev.classmethod.jp/articles/sktime-time-series-analysis/

まとめ 27

まとめ 28 • 2024年7月29日を以てAmazon Forecastの新規顧客アクセスは終了 • AWS公式としてAmazon SageMaker Canvasへの移行を推奨 • Amazon SageMaker Canvasだけでなく、一般的に利用可能な 時系列予測用のPythonライブラリを活用することで比較的 簡単に実装が可能 Amazon Forecast無くても時系列予測コワクナイヨ

No content