aws-recipe-user
はじめに
今回は、AIの入門者に向けたAmazon Forecast を用いて小売り業の需要予測を実施します。 概要は以下にざっくり記載いたします。 AWS 公式の Amazon Forecast の開発ガイドについては、下記リンク参照で。
概要
- Amazon ForecastはAWSのAIサービスの一つで、機械学習の知識不要で実装できる！
- Amazon Forecastは完全マネージド型のサービスであるため、サーバーのプロビジョニングも、 機械学習モデルの構築、トレーニング、デプロイも不要！
- 今回は小売りの需要予測データを使い、手順を解説していきます
Amazon Forecast とは
Amazon Forecast は、Amazon.com と同じテクノロジーをベースとし、機械学習を使って予測を立てることに特化したAWS AIサービスの一つになっております。
また、Amazon Forecast を使用する際に機械学習の経験は必要ありません。 ユーザーは手元に合うデータが最終的に需要にどう影響するのかを、時系列データのみで検証した場合よりも、より理解することができます。
Amazon Forecast は完全マネージド型のサービスであるため、以下の作業も必要ありません。 – サーバーのプロビジョニング – 機械学習モデルの構築 – トレーニング – デプロイ
また、実際に使用した分に対してのみ料金が発生します。
Amazon Forecas の特徴
- 時系列データと、それに関するデータを組みあせて予測を実施
- 一度に複数のアイテムの予測をすることが可能（最大100,000）
- 予測結果は csv にして S3 にエクスポート可能
- 予測をしたい内容に合わせて、以下からドメインを選択して予測を実施
Amazon Forecast のドメイン一覧
- RETAIL：小売の需要予測
- INVENTORY_PLANNING：サプライチェーンとインベントリの計画
- EC2 CAPACITY：EC2 のキャパシティ予測
- WORK_FORCE：従業員の計画（労働力需要）
- WEB_TRAFFIC：今後のウェブトラフィックの見積もり
- METRICS：収益、およびキャッシュフローなどの予測メトリクス
- CUSTOM：その他すべての時系列予測のタイプ
手順
このチュートリアルでは、次の手順について説明します。
①予測するデータセットの準備(csv を S3 にインポートしておく) ②Amazon Forecast に csv データをインポート ③トレーニングモデルの作成 ④予測の実施
①予測するデータセットの準備
今回は予測の実施にあたって、2つの csv を用意しました。
■用意した csv データ
- target_time_series：予測をしたいcsv データ。こちらの csv データだけでも予測の実施は可能
- related_time_series：target_time_series の補助となる csv データ（天候や気温、曜日など説明変数にあたるデータ）
今回は、RETAIL というドメインを利用して予測を行いたいと思います。ドメインごとに必要な項目が異なりますので、注意しましょう。また、Amazon Forecast で予測できる期間はインポートしたデータの1/3までです。今後１ヶ月の予測をしたい場合は、少なくとも直近3ヶ月分のデータが必要となります。
■RETAILドメインを利用する場合のcsv データセットタイプに必要な項目
- target_time_series データセットに必要な項目
- item_id (string) ：需要を予測する商品名や商品の ID など
- timestamp (teimstamp)：時系列
- demand (float) ：時系列ごとの商品の販売数。Amazon Forecast が予測を生成するターゲットフィールド
- location(string)：商品の販売先店舗や地域名など（※任意で使用）
- related_time_series データセットに必要な項目
- item_id (string) ：需要を予測する商品名や商品の ID など
- timestamp (teimstamp)：時系列
- price (float) ：時系列ごとの商品の価格（※任意で使用）
※related_time_series データセットでは、天候や曜日、気温などの項目も使用可能です。 
②Amazon Forecast に csv データをインポート
コンソール画面から「Amazon Forecast」を検索します。 データセットグループの作成、時系列データセットの作成、そしてcsv データのインポートを実施します。
■データセットグループの作成 
- Dataset group name：予測をするこのデータセットグループ名を入力
- Forecasting domain：予測に使用するドメインを選択
■時系列データセットの作成 
- dataset name：時系列データセット名を入力（S3 にインポートした csv と同じの方が分かりやすい）
- Frequency of your data：時系列データセットの時系列（月・日・時）を選択
- Data schema；時系列データのスキーマをJSON 形式で入力
■csv データのインポート 
- Dataset import name：インポートする csv データ名を推奨
- Timestamp format：csv のtimestamp 形式をこの形式に合わせておくこと
- Data location：csv データの置いてあるパス
③トレーニングモデルの作成
無事にインポートが完了したら、次はインポートしたデータを用いてモデルのトレーニングを実施します。 ここでは、以下の項目を入力します。 
- Predictor name ：予測モデルの名前（任意）
- Forecast horizon：予測をしたい期間決め（期間は最大で csv データの1/3まで）
- Forecasat frequency：csv データと同じ時系列を選択
- Algorithm selection：利用するアルゴリズムを選択（特に希望が無ければ「Automatic」を選択）
- Country for Holidays：休日・祝日情報を追加する場合、こちらを使用(「Japan」を検索して使用)
夜速のトレーニグの完了には、データにもよりますが大体30分以上はかかります。
④予測の実施
それでは、いよいよ予測を実行してみましょう。 
- Forecast name：予測を実行して出てくる予測結果モデルの名前
- Predictor：予測の実施にあたり利用する予測モデル（先程の学習モデルを選択すればOK）
上記の2つを入力したら、「Create forecast」を選択し、暫く待ちましょう。 これで、完了です。
Forecast lookup の使用
Amazon Forecast lookup で、Amazon Forecast のコンソール画面上で予測結果を可視化することができます。
- Forecast：可視化したい予測結果モデルを選択
- Start date：可視化したい最初の月日を選択（インポートした csv データの最後の時系列を選択）
- End date：可視化したい最終の月日を選択（選択できる月日はインポートした csv データの1/3の期間まで）
- Value：可視化したいアイテム名を選択
可視化結果は、図のように3つの予測モデルが表示されます。 
- P90 forecast：予測値の上限
- P50 forecast：一般的に言う予測値
- P10 forecast：予測値の下限
その他
S3 へのエクスポート
Amazon Forecast で行った予測は、 csv で S3 にエクスポートすることが可能です。 以下が手順です。
■手順 ①ダッシュボードの左の「Forecasts」を選択 ②作成した予測モデルを選択 ③「Create forecast export」を選択
■手順 ④以下の項目を入力、選択したら S3 へのエクスポートを実行
- Export name：S3 へ送る csv の名前を決める
- Generated forecast：S3へ送る 予測結果を選択
- S3 forecast export location：csv を送る先の S3 のパスを入力
S3 へのエクスポートが完了するのには10数分かかります。
料金体系について
Amazon Forecast は従量課金制です。課金対象は以下の3つです。
■課金対象
- 予測をしたいアイテムの総数×3パターンの予測モデル
- csv データの重さ
- モデルのトレーニングに費やした時間
おわりに
Amaozn Forecast を用いた予測は以上となります。 このサービスを使うことで「製品の需要計画」や「財務計画」「リソース計画」などのケースの予測精度を上げることが出来ます。
また、機会学習の知識が不要なのでAIの導入の最初のフェーズに行うのも有効化も知れませんね。
Amaozn Forecastは実際にオンラインショッピングサイトのAmazonでも使用されているサービスですので、ぜひ一度試してみてください。
