Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Prognosen generieren

Nachdem Sie einen Amazon Forecast-Prädiktor erstellt haben, können Sie eine Prognose erstellen. Standardmäßig enthält eine Prognose Prognosen für jedes Element (item_id) in der Datensatzgruppe, das zum Trainieren des Prädiktors verwendet wurde. Sie können jedoch eine Teilmenge von Elementen angeben, die zur Generierung einer Prognose verwendet werden.

Nachdem Sie eine Prognose erstellt haben, können Sie sie in Ihren Amazon Simple Storage Service (Amazon S3) -Bucket exportieren.

Prognose erstellen

Sie können eine Forecast mit der Forecast-Konsole oderAWS SDKs erstellen.AWS CLI Der Status Ihres Prädiktors muss Aktiv sein, bevor Sie eine Prognose erstellen können.

Console

Prognose erstellen

1. Melden Sie sich bei der anAWS Management Console und öffnen Sie die Amazon-Forecast-Konsole unter https://console.aws.amazon.com/forecast/.

2. Wählen Sie unter Datensatzgruppen Ihre Datensatzgruppe aus.

3. Wählen Sie im Dashboard Ihrer Datensatzgruppe unter Prognosen generieren die Option Prognose erstellen aus. Die Seite Prognose erstellen wird angezeigt.

4. Geben Sie auf der Seite Forecast erstellen für Prognosedetails einen Namen für Ihre Prognose ein und wählen Sie den Prädiktor aus, den Sie zum Erstellen von Prognosen verwenden möchten.

5. Geben Sie für Prognosequantile optional die Quantile an, mit denen probabilistische Prognosen generiert werden. Die Standardquantile sind die Quantile, die Sie bei der Erstellung des Prädiktors angegeben haben.

6. Wählen Sie optional das Optionsfeld für Ausgewählte Elemente, um eine Teilmenge von Zeitreihen anzugeben, die für die Prognosegenerierung verwendet werden.

7. Fügen Sie optional beliebige Tags für die Prognose hinzu. Weitere Informationen finden Sie unterMarkieren von Amazon-Forecast-Ressourcen.

8. Wählen Sie Starten. Die Seite Prognosen wird angezeigt.

   In der Spalte Status wird der Status Ihrer Prognose aufgeführt. Warten Sie, bis Amazon Forecast die Erstellung der Prognose abgeschlossen hat. Dieser Vorgang kann mehrere Minuten oder länger in Anspruch nehmen. Wenn Ihre Prognose erstellt wurde, wechselt der Status zu Aktiv.

   Nachdem Ihre Prognose erstellt wurde, können Sie sie exportieren. Siehe Prognose exportieren.

CLI

Verwenden Sie dencreate-forecast BefehlAWS CLI, um eine Prognose mit dem zu erstellen. Geben Sie einen Namen für die Prognose und den Amazon-Ressourcenname (ARN) Ihres Prädiktors ein. Geben Sie optional die Quantile an, bei denen probabilistische Prognosen generiert werden.forecast-types Die Standardwerte sind die Quantile, die Sie bei der Erstellung des Prädiktors angegeben haben. Fügen Sie optional beliebige Tags für die Prognose hinzu. Weitere Informationen finden Sie unterMarkieren von Amazon-Forecast-Ressourcen.

Informationen zu erforderlichen und optionalen Parametern finden Sie unterCreateForecast.

aws forecast create-forecast \
--forecast-name forecast_name \
--forecast-types 0.1 0.5 0.9 \
--predictor-arn arn:aws:forecast:region:account_number:predictor/predictorName \
--tags Key=key1,Value=value1 Key=key2,Value=value2

Python

Verwenden Sie diecreate_forecast Methode, um eine Prognose mit dem SDK for Python (Boto3) zu erstellen. Geben Sie einen Namen für die Prognose und den Amazon-Ressourcenname (ARN) Ihres Prädiktors ein. Geben Sie optional die Quantile an, bei denen probabilistische Prognosen generiert werden.ForecastTypes Die Standardwerte sind die Quantile, die Sie bei der Erstellung des Prädiktors angegeben haben. Fügen Sie optional beliebige Tags für die Prognose hinzu. Weitere Informationen finden Sie unterMarkieren von Amazon-Forecast-Ressourcen

Informationen zu erforderlichen und optionalen Parametern finden Sie unterCreateForecast.

import boto3
                
forecast = boto3.client('forecast')

create_forecast_response = forecast.create_forecast(
   ForecastName = "Forecast_Name",
   ForecastTypes = ["0.1", "0.5", "0.9"],        # optional, the default types/quantiles are what you specified for the predictor
   PredictorArn = "arn:aws:forecast:region:accountNumber:predictor/predictorName",
   Tags = [ 
      { 
         "Key": "key1",
         "Value": "value1"
      },
      { 
         "Key": "key2",
         "Value": "value2"
      }
   ]
)
forecast_arn = create_forecast_response['ForecastArn']
print(forecast_arn)

Angabe von Zeitreihen

Um eine Liste von Zeitreihen anzugeben, laden Sie eine CSV-Datei hoch, in der die Zeitreihen anhand ihrer item_id- und Dimensionswerte identifiziert werden, in einen S3-Bucket. Sie müssen auch die Attribute und Attributtypen der Zeitreihe in einem Schema definieren.

Ein Einzelhändler möchte beispielsweise wissen, wie sich eine Werbekampagne auf den Umsatz eines bestimmten Artikels (item_id) an einem bestimmten Ladenstandort (store_location) auswirkt (). In diesem Anwendungsfall würden Sie die Zeitreihe angeben, die die Kombination aus item_id und store_location ist.

Die folgende CSV-Datei wählt die folgenden fünf Zeitreihen aus:

001, Seattle
001, New York
002, Seattle
002, New York
003, Denver

Das Schema definiert die erste Spalte alsitem_id und die zweite Spalte alsstore_location.

Die Erstellung von Prognosen wird für alle Zeitreihen, die Sie angeben und die nicht im Eingabe-Dataset enthalten sind, übersprungen. Die Prognose-Exportdatei wird diese Zeitreihen oder ihre Prognosewerte nicht enthalten.

Prognose exportieren

Nachdem Sie eine Prognose erstellt haben, können Sie sie in einen Amazon S3 S3-Bucket exportieren. Beim Exportieren einer Prognose wird die Prognose als CSV-Datei (standardmäßig) in Ihren Amazon S3 S3-Bucket kopiert. Die exportierten Daten enthalten zusätzlich zu Artikelvorhersagen alle Attribute aller Artikel-Metadaten-Datensätze. Sie können das Parquet-Dateiformat angeben, wenn Sie eine Prognose exportieren.

Die Granularität der exportierten Prognosen (z. B. stündlich, täglich oder wöchentlich) entspricht der Prognosehäufigkeit, die Sie bei der Erstellung des Prädiktors angegeben haben. Sie können optional einenAWS Key Management Service Schlüssel angeben, um die Daten zu verschlüsseln, bevor sie in den Bucket geschrieben werden.

Console

Um eine Prognose zu exportieren

1. Wählen Sie im Navigationsbereich unter Ihrer Dataset-Gruppe die Option Forecasts (Prognosen) aus.

2. Wählen Sie das Optionsfeld für Ihre Prognose und wählen Sie Prognoseexport erstellen. Die Seite Create forecast export (Prognoseexport erstellen) wird angezeigt.

3. Geben Sie auf der Seite Create forecast export (Prognoseexport erstellen) für Export details (Exportdetails) die folgenden Informationen an.

   • Exportname — Geben Sie einen Namen für Ihren Forecast-Exportauftrag ein.

   • Prognose generiert — Wählen Sie im Dropdown-Menü die Prognose aus, die Sie in erstellt habenStep 3: Create a Forecast.

   • IAM-Rolle — Behalten Sie entweder die Standardeinstellung „Geben Sie eine benutzerdefinierte IAM-Rolle ARN“ bei, oder wählen Sie Neue Rolle erstellen, damit Amazon Forecast die Rolle für Sie erstellt.

   • ARN der benutzerdefinierten IAM-Rolle (ARN) — Wenn Sie eine benutzerdefinierte IAM-Rolle eingeben, geben Sie den Amazon-Ressourcennamen (ARN) der IAM-Rolle ein, die Sie in erstellt habenErstellen einer IAM-Rolle für Amazon Forecast (IAM-Konsole).

   • KMS-SchlüsselARN — Wenn SieAWS Key Management Service den Amazon-Ressourcenname (ARN) desAWS KMS Schlüssels angeben.

   • S3-Forecast-Exportstandort — Verwenden Sie das folgende Format, um den Speicherort Ihres Amazon Simple Storage Service (Amazon S3) -Buckets oder -Ordners im Bucket einzugeben:

     s3://<name of your S3 bucket>/<folder path>/

4. Wählen Sie Create forecast export (Prognoseexport erstellen) aus. Die Seite my_forecast wird angezeigt.

   Warten Sie, bis Amazon Forecast den Export der Prognose abgeschlossen hat. Dieser Vorgang kann mehrere Minuten oder länger in Anspruch nehmen. Wenn Ihre Prognose exportiert wurde, wechselt der Status zu Aktiv und Sie finden die Prognosedateien in Ihrem Amazon S3 S3-Bucket.

CLI

Um eine Prognose mit dem zu exportieren, verwendenAWS CLI Sie denexport-forecast-job Befehl. Geben Sie dem Forecast-Exportjob einen Namen, geben Sie den ARN der zu exportierenden Prognose an und fügen Sie optional beliebige Tags hinzu. Geben Sie für dendestination den den Pfad zu Ihrem Amazon S3 S3-Ausgabe-Bucket, den ARN der IAM-Rolle, die Sie erstellt habenErstellen einer IAM-Rolle für Amazon Forecast (IAM-Konsole), und, falls Sie einenAWS KMS Schlüssel für die Bucket-Verschlüsselung verwenden, den ARN für Ihren Schlüssel an.

Weitere Informationen zu den erforderlichen und optionalen Parametern finden Sie unterCreateForecastExportJob Bedienung.

forecast create-forecast-export-job \
--forecast-export-job-name exportJobName \
--forecast-arn arn:aws:forecast:region:acctNumber:forecast/forecastName \
--destination S3Config="{Path='s3://bucket/folderName',RoleArn='arn:aws:iam::acctNumber:role/Role, KMSKeyArn='arn:aws:kms:region:accountNumber:key/keyID'}"
--tags Key=key1,Value=value1 Key=key2,Value=value2

Python

Um Prognose mit dem SDK for Python (Boto3) zu exportieren verwenden Sie dieexport_forecast_job Methode. Geben Sie dem Forecast-Exportjob einen Namen, geben Sie den ARN der zu exportierenden Prognose an und fügen Sie optional beliebige Tags hinzu. Geben Sie für denDestination den den Pfad zu Ihrem Amazon S3 S3-Ausgabe-Bucket, den ARN der IAM-Rolle, die Sie erstellt habenErstellen einer IAM-Rolle für Amazon Forecast (IAM-Konsole), und, falls Sie einenAWS KMS Schlüssel für die Bucket-Verschlüsselung verwenden, den ARN für Ihren Schlüssel an.

Weitere Informationen zu den erforderlichen und optionalen Parametern finden Sie unterCreateForecastExportJob Bedienung.

import boto3
           
forecast = boto3.client('forecast')

export_forecast_response = forecast.create_forecast_export_job(
   Destination = {
      "S3Config": { 
         "Path": "s3://bucketName/folderName/",
         "RoleArn": "arn:aws:iam::accountNumber:role/roleName",
         "KMSKeyArn": "arn:aws:kms:region:accountNumber:key/keyID"
      }
   },
   ForecastArn = "arn:aws:forecast:region:accountNumber:forecast/forecastName",
   ForecastExportJobName = "export_job_name",
   Tags = [ 
      { 
         "Key": "key1",
         "Value": "value1"
      },
      { 
         "Key": "key2",
         "Value": "value2"
      }
   ]
)
forecast_export_job_arn = export_forecast_response["ForecastExportJobArn"]
print(forecast_export_job_arn)

Prognose abfragen

Mithilfe derQueryForecast Operation können Sie eine Prognose abfragen. Standardmäßig wird der vollständige Bereich der Prognose zurückgegeben. Sie können einen bestimmten Datumsbereich innerhalb der vollständigen Prognose anfordern.

Wenn Sie eine Prognose abfragen, müssen Sie Filterkriterien angeben. Ein Filter ist ein Schlüssel-Wert-Paar. Der Schlüssel ist einer der Schema-Attributnamen (einschließlich Prognosedimensionen) aus einem der Datasets, die zum Erstellen der Prognose verwendet werden. Der Wert ist ein gültiger Wert für den angegebenen Schlüssel. Sie können mehrere Schlüssel-Wert-Paare angeben. Die zurückgegebene Prognose enthält nur Elemente, die alle Kriterien erfüllen.

Coldstart Prognosen

Eine häufige Herausforderung für Kunden in Branchen wie Einzelhandel, Fertigung oder Konsumgütern besteht darin, Prognosen für Artikel ohne historische Daten zu erstellen. Dieses Szenario wird als Coldstart-Forecasting bezeichnet und tritt in der Regel auf, wenn Unternehmen neue Produkte auf den Markt bringen, Marken oder Kataloge an Bord bringen oder Cross-Selling-Produkte in neuen Regionen anbieten.

Amazon Forecast benötigt Artikelmetadaten, um Coldstartprognosen durchzuführen. Mithilfe der Artikelmerkmale, die in den Artikelmetadaten zu finden sind, identifiziert Forecast explizit Elemente in den Artikelmetadaten, die dem Artikel ohne historische Daten ähneln. Forecast verwendet die Nachfragemerkmale der vorhandenen Artikel, um eine Kaltstartprognose für den neuen Artikel zu generieren.

Amazon Forecast identifiziert Coldstart-Artikel als Elemente, die in der Artikel-Metadatendatei, aber nicht in der Ziel-Zeitreihendatei enthalten sind. Um ein Kaltstartelement korrekt zu identifizieren, stellen Sie sicher, dass die Artikel-ID des Coldstart-Elements als Zeile in der Artikel-Metadatendatei und nicht in der Ziel-Zeitreihendatei eingegeben wird. Geben Sie für mehrere Coldstart-Artikel jede Artikel-ID als separate Zeile in der Artikel-Metadatendatei ein. Wenn das Coldstart-Element keine Artikel-ID hat, können Sie jede alphanumerische Kombination mit weniger als 64 Zeichen verwenden, die noch nicht von einem anderen Element im Datensatz verwendet wurde.

Für die Coldstart-Prognose sind sowohl ein Artikel-Metadaten-Dataset als auch ein AutoPredictor.