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 Dataset

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

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

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

Misalnya kumpulan data Forecast, lihat repositori Amazon Forecast Sample GitHub.

Set Data

Untuk membuat dan mengelola kumpulan data Forecast, Anda dapat menggunakan ForecastAPIs, termasuk CreateDataset dan DescribeDataset operasi. Untuk daftar lengkap ForecastAPIs, lihatAPIReferensi.

Saat membuat kumpulan data, Anda memberikan informasi, seperti berikut ini:

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

Dataset Domain dan Jenis Dataset

Saat membuat kumpulan data Forecast, Anda memilih domain dan jenis kumpulan data. Forecast menyediakan domain untuk sejumlah kasus penggunaan, seperti memperkirakan permintaan ritel atau lalu lintas web. Anda juga dapat membuat domain khusus. Untuk daftar lengkap domain Forecast, lihatDomain Dataset dan Jenis Dataset yang Telah Ditetapkan.

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

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

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

Contoh Dataset dengan Dimensi Forecast

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

Tiga baris pertama dari tabel ini berisi data penjualan pertama yang tersedia untukNYC,SFO, dan ORD toko. Tiga baris terakhir berisi data penjualan terakhir yang tercatat untuk setiap toko. ...Baris mewakili semua data penjualan item yang direkam antara entri pertama dan terakhir.

Skema Dataset

Setiap kumpulan data memerlukan skema, JSON pemetaan bidang yang disediakan pengguna 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 geolocation, tentukan atribut dalam skema dengan tipe atribut. geolocation Untuk informasi selengkapnya, lihat Menambahkan informasi Geolokasi. Untuk menerapkan Indeks Cuaca, Anda harus menyertakan atribut geolokasi dalam deret waktu target Anda dan kumpulan data deret waktu terkait.

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

Skema diperlukan untuk setiap dataset. Berikut ini adalah skema yang menyertainya untuk contoh kumpulan data 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 latihan ke kumpulan data yang menggunakan skema ini, Forecast mengasumsikan bahwa timestamp bidangnya adalah kolom 1, item_id bidangnya adalah kolom 2, store bidangnya adalah kolom 3, dan demand bidang, bidang target, adalah kolom 4.

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

Grup Dataset

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

Forecast mencakup operasi berikut untuk membuat grup kumpulan data dan menambahkan kumpulan data ke grup tersebut:

Menyelesaikan Konflik dalam Frekuensi Pengumpulan Data

Forecast dapat melatih prediktor dengan data yang tidak selaras dengan frekuensi data yang Anda tentukan dalam operasi. CreateDataset 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). Forecast menggunakan frekuensi data yang Anda tentukan untuk mempelajari data Anda. Kemudian Forecast mengumpulkan data selama pelatihan prediktor. Untuk informasi selengkapnya, lihat Agregasi data untuk frekuensi perkiraan yang berbeda.