MLS-C01#3(modeling)
ある電力会社は数千台のセンサーから 5 分間隔で計測される時系列を用いて、向こう 24 時間の需要を地域別に予測するモデルを構築したいと考えています。地域ごとに季節性や祝日効果が異なり、関連する複数系列をまとめて学習させたいです。SageMaker AI で最も適した選択肢はどれですか。
正解：A
正解の根拠
DeepAR は複数の関連時系列を同時に学習する RNN ベースの予測モデルで、地域ごとの季節性や祝日特徴 (cat 特徴量、dynamic_feat) を活用できます。context_length は履歴の参照長、prediction_length は予測区間で、需要の周期に合わせて調整します。
| 項目 | DeepAR | Linear Learner |
|---|---|---|
| 多系列共有学習 | 可能 | 困難 |
| 季節性 | RNN で表現 | 明示的特徴必要 |
| 確率予測 | 分位点出力 | 点推定 |
不正解の理由
- B: Linear Learner は系列間の共有構造や非線形な季節性を表現できず、精度が頭打ちになりがちです。
- C: k-means は教師なしクラスタリングで、将来の数値予測そのものを目的としていません。
- D: BlazingText は単語埋め込み・テキスト分類用で、数値時系列の予測には設計が異なります。
コメント