Użyto 3 lat miesięcznych danych inwentaryzacyjnych dla jednej SKU w 10 magazynach w Amazon Forecast. W przypadku DeepAR+ MAPE predyktora jest znacznie gorsze niż prognozy ludzkie. Które zmiany w wywołaniu API CreatePredictor mogłyby poprawić dokładność? (Wybierz dwie odpowiedzi.)

Włączenie PerformAutoML pozwala Amazon Forecast automatycznie wypróbować wiele algorytmów prognozowania (w tym DeepAR+, Prophet, ARIMA, ETS i inne), wybierając ten, który najlepiej pasuje do danych, co może znacznie poprawić dokładność w porównaniu z pojedynczym, słabo działającym modelem. Włączenie PerformHPO (Hyperparameter Optimization) automatycznie dostraja hiperparametry wybranego algorytmu (np. DeepAR+), co jest kluczowe dla optymalizacji wydajności modelu i zmniejszenia błędów prognozowania, gdy początkowe ustawienia nie są optymalne. Ustawienie ForecastHorizon na 4 zmieniłoby jedynie horyzont prognozy, a nie jej dokładność. Zmiana ForecastFrequency na 'W' (tygodniowo) zmieniłaby ziarnistość danych, co mogłoby być pomocne, ale nie jest gwarantowane, że poprawi dokładność w stopniu porównywalnym z AutoML lub HPO, zwłaszcza jeśli dane miesięczne są wystarczające. Ustawienie FeaturizationMethodName na 'filling' jest domyślnym zachowaniem i służy do obsługi brakujących wartości, ale nie jest bezpośrednią metodą poprawy dokładności modelu, jeśli problemem jest sam algorytm lub jego parametry.