Canonical: https://instain.ru/de/ai/amazon-chronos/ Language: de Amazon Science Zeitreihenvorhersagemodell # Amazon Chronos. Offene Modelle von Amazon Science für numerische Zeitreihen 4.30 / 5 [Katalogbewertung](https://instain.ru/de/ai/amazon-chronos/#editorial-rating) [Offizielle Website ](https://github.com/amazon-science/chronos-forecasting) Die Amazon Chronos-Familie ist für die Vorhersage von Zeitreihen vorgesehen. Varianten der Familie unterscheiden sich in der Unterstützung gemeinsamer Reihen und zusätzlicher Merkmale. ![Amazon Science-Repository mit Chronos-Modellen](https://instain.ru/assets/images/amazon-chronos-screen-aa0b421198c4-1200.webp) Amazon Science-Repository mit Chronos-Modellen [Quelle öffnen ](https://github.com/amazon-science/chronos-forecasting) ## Prognose mit Startpunkt Die wöchentliche Nachfrage sieht vorhersehbar vor dem Ausverkauf oder einem Ausfall des Bestands aus. Amazon Chronos kann eine Prognose für die Geschichte der Serie geben. Beginnen Sie in der Prüfung mit dem Datum, an dem die Prognose tatsächlich getroffen werden konnte. Speichern Sie, welche Werte bereits verfügbar waren und welche erst später erschienen sind. Der Kalender der vorbekannten Feiertage eignet sich zur Überprüfung eines zusätzlichen Merkmals in einer kompatiblen Modellversion. Daten über die tatsächlichen Verkäufe der nächsten Woche können nicht verwendet werden. ## Vergleich in mehreren Abschnitten Wählen Sie mehrere aufeinanderfolgende Prüfdaten aus. Nehmen Sie für jeden die vorherige Geschichte, sagen Sie eine Woche voraus und vergleichen Sie sie mit einer bekannten Tatsache. Fügen Sie einen einfachen Leitfaden hinzu, z. B. Verkäufe am selben Tag der letzten Woche. Wenn das Modell Intervalle gibt, sehen Sie, wie viele Beobachtungen in sie fallen und wie breit sie sind. Wählen Sie die einzelnen Tage mit Aktien und seltenen Ausbrüchen. Ein durchschnittlicher Fehler kann die Schwachstellen verbergen, die für den Kauf wichtig sind. ## Wo endet der Nutzen des Modells Datumsüberschreitung und Nullverkauf bedeuten unterschiedliche Dinge. Beschreiben Sie, wie beide Situationen behandelt werden, bevor Sie sie mit einer Richtlinie vergleichen. Wenn Sie das Lager, das Sortiment oder die Buchhaltungsregeln ändern, wiederholen Sie die Überprüfung auf dem neuen Abschnitt der Geschichte. Die Prognose bietet eine numerische Grundlage für die Diskussion, und Bestandsentscheidungen erfordern die Berücksichtigung des Fehlerpreises und der tatsächlichen Lieferbeschränkungen. Behalten Sie vor dem nächsten Zyklus die Ausgangsentladungen und die Regel für die Auswahl der Prüfdaten bei. ## Für welche Aufgaben geeignet - Wöchentliche Nachfrage nach Verkaufshistorie prognostizieren - Vergleichen Sie Prognoseintervalle mit einem einfachen saisonalen Bezugspunkt Funktionen ## Stärken - Chronos unterstützt Prognose mit Unsicherheitsschätzung - Entwickler veröffentlicht Code und Beispiele für Reihenvorbereitung Zu berücksichtigen ## Einschränkungen - Sie können keine unbekannten Ereignisse zum Zeitpunkt der Vorhersage eingeben - Das Modell garantiert keine Genauigkeit für den neuen Nachfragemodus ## Auswahl und Bedingungen Kostenlose Nutzung Ja Testphase Nicht bestätigt Keine Registrierung erforderlich Nicht bestätigt Russische Benutzeroberfläche Nicht bestätigt Lokale Installation Ja API Nicht bestätigt „Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers. Eingabeformate Daten Ergebnis Daten ### Bedingungen Modellgewichte sind unter den Bedingungen der entsprechenden Karte verfügbar. Der Start erfordert Rechenressourcen. Managed Computing wird nach den Bedingungen der Website bezahlt. Sie können keine unbekannten Ereignisse zum Zeitpunkt der Vorhersage eingeben. Von der Aufgabe zum ersten Ergebnis ## Praxisbeispiel Aufgabe Wöchentliche Nachfrage nach Verkaufshistorie prognostizieren Was Sie vorbereiten sollten Eine Reihe von Trainingstagesverkäufen und ein Kalender der Feiertage, die am Prognosedatum bekannt sind. ### Aufgabenbeschreibung oder Prompt Machen Sie eine wöchentliche Vorhersage für mehrere vergangene Daten, indem Sie nur die Informationen verwenden, die zu jedem Datum verfügbar sind. ### Erwartetes Ergebnis Tabelle der Prognosen und Fakten mit Fehler, Intervallen und einem einfachen saisonalen Bezugspunkt. ### So prüfen Sie das Ergebnis - Überprüfen Sie, ob keine zukünftigen Anmeldedaten vorhanden sind. - Vergleichen Sie die üblichen Wochen und Perioden der Aktien. Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses. Details überprüfen ## Offizielle Quellen - [Offizielles Amazon Chronos Repository ](https://github.com/amazon-science/chronos-forecasting) - [Chronos 2 ](https://huggingface.co/amazon/chronos-2) Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung. Das Tool im Überblick Entwickler Amazon Science Kategorie [Code](https://instain.ru/de/category/code/) Zugang Wählen Sie die offiziellen Gewichte und die zu startende Bibliothek. Überprüfen Sie das Zeitformat, die unterstützten Zeichen und den Speicher einer bestimmten Option. Zahlung Modellgewichte sind unter den Bedingungen der entsprechenden Karte verfügbar. Der Start erfordert Rechenressourcen. Managed Computing wird nach den Bedingungen der Website bezahlt. API Keine separate API angegeben [Entwicklerbedingungen ](https://huggingface.co/amazon/chronos-2) Katalogbewertung 4.30 / 5 Funktionen 4.50 / 5 Arbeitsszenarien 4.00 / 5 Ökosystem 4.30 / 5 Dokumentation 4.40 / 5 Die Punkte dienen der Orientierung im Katalog. Sie sind weder Nutzerbewertungen noch Ergebnisse persönlicher Tests. [Siehe Methodik ](https://instain.ru/de/methodology/) Weiter erkunden ## Für ähnliche Aufgaben [Gesamte Kategorie ](https://instain.ru/de/category/code/) Code ### [TimesFM](https://instain.ru/de/ai/google-timesfm/) Prognosen aus historischen Zeitreihendaten mit Rücktests 4.38 / 5 Zeitreihenvorhersagemodell Ähnliche Aufgaben; vergleichen Sie Bedingungen, Formate und Einschränkungen