Amazon Forecast 中的模型评价指标与最优算法选择

【以下的回答经过翻译处理】 Forecast 内置了对于多种回归算法的支持，包括并不限于这里提到NPTS, ARIMA, Prophet和ETS等，您可以使用AutoML寻求性能最佳的算法并应用于您的数据集。 一般对于回归模型的评价指标，常见的有平均绝对误差（MAE），均方差（MSE），均方根差（RMSE）等等。对于Forecast，也有其内置的评价指标，包括通过评估分位数损失，不仅评价点预测的准确性，也评估模型预测概率分布情况，您可以设置用于评估预测变量的分位数，例如常见的基于三个测试分位数[0.1, 0.5, 0.9]。 您可以参考文档中的 [Training Predictors 预测器]章节(https://docs.aws.amazon.com/forecast/latest/dg/howitworks-predictor.html) 页面：“ AutoML 优化加权 P10、P50 和 P90 分位数损失的平均值，并返回具有最低值的算法。”

有关Forecast中模型评价指标以及如何计算它们的更多信息，请参见[Evaluating Predictor Accuracy 评估预测器准确性]章节内容 (https://docs.aws.amazon.com/forecast/latest/dg/metrics.html)。