Amazon Forecast tidak lagi tersedia untuk pelanggan baru. Pelanggan Amazon Forecast yang ada dapat terus menggunakan layanan seperti biasa. Pelajari lebih lanjut”

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengimpor Kumpulan Data

Kumpulan data berisi data yang digunakan untuk melatih predik tor. Anda membuat satu atau beberapa kumpulan data Amazon Forecast dan mengimpor data pelatihan Anda ke dalamnya. Grup dataset adalah kumpulan kumpulan data pelengkap yang merinci serangkaian parameter yang berubah selama serangkaian waktu. Setelah membuat grup dataset, Anda menggunakannya untuk melatih prediktor.

Setiap grup dataset dapat memiliki hingga tiga kumpulan data, satu dari setiap jenis dataset: deret waktu target, deret waktu terkait, dan metadata item.

Untuk membuat dan mengelola kumpulan data Prakiraan dan grup dataset, Anda dapat menggunakan konsol Prakiraan, AWS Command Line Interface (AWS CLI), atau AWS SDK.

Misalnya kumpulan data Prakiraan, lihat GitHub repositori Sam pel Prakiraan Amazon.

Set data

Untuk membuat dan mengelola kumpulan data Prakiraan, Anda dapat menggunakan API Prakiraan, termasuk DescribeDataset operasi CreateDataset dan. Untuk daftar lengkap API Prakiraan, lihatReferensi API.

Saat membuat dataset, Anda memberikan informasi, seperti berikut ini:

Setiap kolom dalam dataset Prakiraan Anda mewakili dimensi atau fitur perkiraan. Dimensi perkiraan menggambarkan aspek data Anda yang tidak berubah dari waktu ke waktu, seperti store ataulocation. Fitur prakiraan mencakup parameter apa pun dalam data Anda yang bervariasi dari waktu ke waktu, seperti price ataupromotion. Beberapa dimensi, seperti timestamp atauitemId, diperlukan dalam deret waktu target dan kumpulan data deret waktu terkait.

Domain Dataset dan Jenis Dataset

Saat Anda membuat dataset Prakiraan, Anda memilih domain dan jenis dataset. Prakiraan menyediakan domain untuk sejumlah kasus penggunaan, seperti memperkirakan permintaan ritel atau lalu lintas web. Anda juga dapat membuat domain khusus. Untuk daftar lengkap domain Prakiraan, lihatDomain Dataset yang telah ditetapkan dan Jenis Dataset.

Dalam setiap domain, pengguna Prakiraan dapat menentukan jenis kumpulan data berikut:

Bergantung pada informasi dalam data pelatihan Anda dan apa yang ingin Anda prediksi, Anda dapat membuat lebih dari satu kumpulan data.

Misalnya, Anda ingin membuat perkiraan permintaan barang ritel, seperti sepatu dan kaus kaki. Anda dapat membuat kumpulan data berikut di domain RETAIL:

Contoh Dataset dengan Dimensi Prakiraan

Melanjutkan dengan contoh sebelumnya, bayangkan Anda ingin memperkirakan permintaan sepatu dan kaus kaki berdasarkan penjualan toko sebelumnya. Dalam dataset deret waktu target berikut, store adalah dimensi perkiraan deret waktu, demand sedangkan bidang target. Kaus kaki dijual di dua lokasi toko (NYC dan SFO), dan sepatu hanya dijual di ORD.

Tiga baris pertama dari tabel ini berisi data penjualan pertama yang tersedia untuk toko NYC, SFO, dan ORD. Tiga baris terakhir berisi data penjualan terakhir yang direkam untuk setiap toko. Bar ... is mewakili semua data penjualan item yang dicatat antara entri pertama dan terakhir.

Skema Dataset

Setiap dataset memerlukan skema, pemetaan JSON yang disediakan pengguna dari bidang dalam data pelatihan Anda. Di sinilah Anda mencantumkan dimensi dan fitur yang diperlukan dan opsional yang ingin Anda sertakan dalam kumpulan data Anda.

Jika dataset Anda menyertakan atribut geolokasi, tentukan atribut dalam skema dengan jenis geolocation atribut. Untuk informasi selengkapnya, lihat Men ambahkan informasi Geolokasi. Untuk menerapkan Indeks Cu aca, Anda harus menyertakan atribut geolokasi dalam deret waktu target Anda dan kumpulan data deret waktu terkait.

Beberapa domain memiliki dimensi opsional yang kami sarankan untuk disertakan. Dimensi opsional tercantum dalam deskripsi setiap domain nanti dalam panduan ini. Sebagai contoh, lihat Domain RETAIL. Semua dimensi opsional mengambil tipe datastring.

Skema diperlukan untuk setiap dataset. Berikut ini adalah skema yang menyertainya untuk contoh dataset deret waktu target di atas.

{
     "attributes": [
        {
           "AttributeName": "timestamp",
           "AttributeType": "timestamp"
        },
        {
           "AttributeName": "item_id",
           "AttributeType": "string"
        },
        {
           "AttributeName": "store",
           "AttributeType": "string"
        },
        {
           "AttributeName": "demand",
           "AttributeType": "float"
        }
    ]
}

Saat Anda mengunggah data pelatihan Anda ke dataset yang menggunakan skema ini, Prakiraan mengasumsikan bahwa item_id bidang tersebut adalah kolom 1, bidang adalah kolom 2, store bidang adalah kolom 3, dan demand bidang, bidang target, adalah kolom 4. timestamp

Untuk tipe dataset deret waktu terkait, semua fitur terkait harus memiliki tipe atribut float atau integer. Untuk tipe dataset metadata item, semua fitur harus memiliki tipe atribut string. Untuk informasi selengkapnya, lihat SchemaAttribute.

Grup Dataset

Grup dataset adalah kumpulan satu hingga tiga kumpulan data gratis, satu dari setiap jenis dataset. Anda mengimpor kumpulan data ke grup dataset, lalu menggunakan grup dataset untuk melatih prediktor.

Prakiraan mencakup operasi berikut untuk membuat grup dataset dan menambahkan kumpulan data ke dalamnya:

Menyelesaikan Konflik dalam Frekuensi Pengumpulan Data

Prakiraan dapat melatih prediktor dengan data yang tidak selaras dengan frekuensi data yang Anda tentukan dalam CreateDataset operasi. Misalnya, Anda dapat mengimpor data yang direkam dalam interval per jam meskipun beberapa data tidak diberi stempel waktu di bagian atas jam (02:20, 02:45). Prakiraan menggunakan frekuensi data yang Anda tentukan untuk mempelajari data Anda. Kemudian Forecast mengumpulkan data selama pelatihan prediktor. Untuk mengetahui informasi selengkapnya, lihat Agregasi data untuk frekuensi perkiraan yang berbeda.