Amazon Forecast에서 10개 창고에 걸쳐 단일 SKU에 대한 3년치 월별 재고 데이터를 사용했습니다. DeepAR+ 예측 변수의 MAPE가 수동 예측보다 훨씬 나쁩니다. CreatePredictor API 호출에 어떤 변경 사항을 적용하면 정확도를 높일 수 있을까요? (두 가지 선택)

DeepAR+ 모델의 정확도가 수동 예측보다 낮은 경우, 모델 성능 향상을 위해 Amazon Forecast의 자동화된 기능을 활용할 수 있습니다. PerformAutoML을 활성화하면 Forecast가 데이터에 가장 적합한 여러 알고리즘을 자동으로 시도하고 최적의 모델을 선택하여 정확도를 높일 수 있습니다. 또한, PerformHPO를 활성화하면 하이퍼파라미터 최적화(HPO)를 수행하여 DeepAR+ 모델의 하이퍼파라미터 조합 중 최적의 성능을 내는 설정을 찾아 정확도를 개선할 수 있습니다. ForecastHorizon을 4로 설정하는 것은 예측 기간을 4개월로 고정하는 것이므로 정확도 개선과는 직접적인 관련이 없습니다. ForecastFrequency를 'W'(주간)로 변경하는 것은 데이터의 시간 단위를 변경하는 것이며, 월별 데이터에 주간 빈도를 적용하면 데이터 불일치가 발생할 수 있어 정확도를 저하시킬 수 있습니다. FeaturizationMethodName을 'filling'으로 설정하는 것은 누락된 값 처리 방식에 대한 것이며, 이는 모델의 정확도에 간접적인 영향을 미칠 수 있지만, AutoML이나 HPO만큼 직접적이고 강력한 개선 방법은 아닙니다.