问利用对未来事件的了解来增强预测

EN

在使用AWS预测时，是否有办法用“部分未来信息”来增强我们的模型，以改进预测？

到目前为止，我已经从AWS预测中获得了相当可靠的预测，但我怀疑如果我能够提供一些关于未来已知事件的信息，我的预测可能会有很大的改进。

我对预测和机器学习非常陌生，我所说的“部分未来信息”是指：

• I试图预测变量x的时间序列在未来的
• 中的行为，我正在为许多不同的变量训练一个具有过去时间序列信息的模型，包括x
• ，我也希望为这些变量的子集提供已知的未来时间序列信息，因为它们应该对预测产生重大影响；2)这将使我能够执行“如果-如果”分析

。

更具体地说：

我正试图从过去的收入、网络流量、广告支出和推广discounts

• AWS预测中预测未来的收入，到目前为止，我一直在为我提供良好的预测(我隐瞒了来自该模型的这么多个月的已知数据，它对“未来”的预测与已知的well)

• However，数据相匹配，例如，我也想告诉AWS预测，例如，在不久的将来，我还想要改变一些未来的变量，看看它们如何影响结果(“如果我下个月在广告上花费

$Z怎么办？”)。

目前，我正在将我们过去的所有收入、网络流量、广告支出和促销折扣信息作为一个“目标时间序列”以一个CSV文件的格式提供给AWS预测，该文件包含3列(公制名称、时间戳、度量值)；大约15个不同的度量名称值；以及大约10,000行数据(几年来价值为15个变量的每日值=~2* 365 * 15 = 11,000行)。每一度量都是在同一时间间隔内提供的(例如，所有指标都在2017-10-01和2019-11-25之间提供)。

我想提供一些额外的，部分的数据，突出未来已知的重大事件(广告开支，促销折扣)，以进一步改善我们的预测。

例如：

从2017-10-01到2019-11-25

• Web流量从2017-10-01到2019-11-25

• Ad从2017-10-01到2019-11-25

• Promotional从2017-10-01到2019-11-25

• plus计划的广告支出从2019-11-26到2020-02-01

有人能帮我一些术语和“如何-to”的机制吗？