本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 預測模型分析器
<a name="forecast_model_analyzer"></a>

預測模型分析器是一種自助式工具，可用於在多個預測模型 （過去和未來的預測期間） 上執行預測實驗。執行後，您可以檢閱不同預測模型的結果。在預測和實際需求之間使用準確性指標和視覺化比較，您可以選擇符合您業務資料模式的必要預測模型。您可以在生產需求計劃執行的同時執行預測模型分析器，而不會互相干擾，反之亦然。

**注意**  
預測模型分析器是選用的工作流程。如果您沒有多個預測模型要比較，您可以繼續使用 提供的預設預測模型建議 AWS Supply Chain。

預測模型分析器支援兩個主要評估案例：
+ 回溯測試案例 – 您設定過去的預測開始日期。在此案例中，會建立預測，並針對與實際需求期間重疊的預測期間計算和報告準確性指標。
+ 轉送預測案例 – 您未設定預測開始日期，而且預測和實際資料之間沒有重疊。在此案例中，會建立預測，但由於實際需求資料不可用 （未來期間），因此不會計算或報告準確性指標。您仍然可以驗證如何根據最近的趨勢和前一年 （多個） 需求來預測需求。

執行預測模型分析器之前，請確定已設定需求計劃設定。預測模型分析器會繼承*時間間隔*和*階層精細程度*的需求計劃設定，同時提供彈性來調整預測期間，並選擇性地選取預測開始日期。

您可以選擇執行回溯測試或轉送預測案例。預設值是您未指定預測開始日期，且以實際需求歷史記錄中最後一個訂單日期為基礎的轉送預測案例。如需詳細資訊，請參閱[建立您的第一個需求計劃](onboarding.md)。不過，如果您選擇執行回溯測試案例，您可以覆寫預測開始日期，並選取過去的日期以用於回溯測試。當選取的預測開始日期晚於 *outbound\_order\_line *資料集結束日期時，會使用實際需求歷史記錄中的預設規劃週期上次訂單日期。當選取的預測開始日期早於 *outbound\_order\_line * 開始日期，或需求歷史記錄的長度不足時，預測將會失敗並顯示錯誤。如需詳細資訊，請參閱[上傳資料集之前的先決條件](data_quality.md)。

 建議選擇每月間隔的每月第一個或每週間隔的星期一。如果您選擇不同的日期，需求規劃會自動調整為最接近的預設日期。例如，如果您選取星期三做為預測開始日期，則需求規劃將選取下一個星期一做為每週間隔的預測開始日期。同樣地，選取 2024 年 5 月 10 日將導致 2024 年 6 月 1 日成為每月間隔的規劃週期開始日期。

**注意**  
請確定您輸入的預測期間至少有四倍的歷史需求資料。

檢閱模型分析器結果後，您可以在預測分析器工具中選取或變更預測演算法的選擇。或者，您可以選擇不使用模型分析器，並繼續直接選取或變更要使用的預測演算法選擇。當未使用模型分析器時， AWS Supply Chain 會為您的資料集挑選預設預測方法。

Forecast Model Analyzer 會從多個模型產生預測和預測指標。包含在 中的模型清單[預測演算法](forecast-algorithims.md)。

## 檢視預測模型分析器詳細資訊
<a name="configuring_forecast_model_analyzer"></a>

若要檢視產生的預測模型分析器詳細資訊，請完成下列步驟：

1. 在 AWS Supply Chain 儀表板的左側導覽窗格中，選擇**需求規劃**，然後選擇**預測模型分析器**。

1. 在**預測模型分析器**下，您可以檢視模型分析器每次反覆運算的中繼資料，包括預測摘要，其中包括關鍵指標 （例如建立預測的產品、網站、管道和客戶的計數）、預測範圍，例如時間間隔、預測期間、預測開始日期、使用的資料集清單、預測精細程度和使用的輸入資料。

1. **在 Forecast(s) Vs 下。實際需求**，您可以檢視圖表，顯示實際需求歷史記錄、前一年需求，以及分析趨勢和季節性的預測。您可以調整**檢視視窗開始**和**檢視視窗結束**，以檢閱歷史期間。根據設定的時間間隔，您可以檢視 28 天、52 週、48 個月和 10 年的歷史銷售額。您可以同時檢視和比較最多五個預測結果。

1. 在**量值**下，選擇**編輯**以編輯選取的預測模型。

1. 在**模型概觀和選擇**下，資料表會顯示已評估的預測方法摘要。在回溯測試案例中，資料表也會顯示彙總預測準確性指標，例如 WAPE、偏差 %、MAPE 和 sMAPE。此外，您可以選擇**選取**以選取預測模型。變更將在後續的預測週期中套用。

1. 選擇**將選擇套用至需求計劃**。

   您最多可以同時檢視兩個預測模型分析器結果。最新的分析器結果保持完全互動，可讓您在仔細評估產品之後選取並套用偏好的預測方法。這將套用至下一個預測產生。先前的分析器結果會轉譯為唯讀。您可以使用實際需求歷史記錄匯出預測方法的結果。匯出的資料包含 P10/50/90 分位數預測期間和精細程度的詳細資訊。對於回溯測試案例，匯出將包含實際需求資料和對應的準確性指標。

   您可以隨時使用預測模型分析器或在需求計劃設定下修改預測選擇方法。這些變更將在後續的預測週期中套用。需求計劃頁面會顯示目前和下一個預測模型預測方法的中繼資料。