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.

Menghasilkan Prakiraan

Setelah Anda membuat prediktor Amazon Forecast, Anda siap untuk membuat prakiraan. Secara default, perkiraan mencakup prediksi untuk setiap item (item_id) dalam grup kumpulan data yang digunakan untuk melatih prediktor. Namun, Anda dapat menentukan subset item yang digunakan untuk menghasilkan perkiraan.

Setelah membuat prakiraan, Anda dapat mengekspornya ke bucket Amazon Simple Storage Service (Amazon S3).

Membuat prakiraan

Anda dapat membuat perkiraan dengan konsol Forecast,AWS CLI, atauAWS SDK. Status prediktor Anda harus Aktif sebelum Anda dapat menghasilkan perkiraan.

Console

Untuk membuat perkiraan

1. Masuk keAWS Management Console dan buka konsol Amazon Forecast di https://console.aws.amazon.com/forecast/.

2. Dari grup Dataset, pilih grup kumpulan data Anda.

3. Di Dasbor grup kumpulan data Anda, di bawah Hasilkan prakiraan, pilih Buat perkiraan. Halaman Buat perkiraan akan muncul.

4. Pada halaman Buat perkiraan, untuk rincian Forecast, berikan nama untuk perkiraan Anda dan pilih prediktor yang ingin Anda gunakan untuk membuat prakiraan.

5. Untuk kuantil Forecast, secara opsional tentukan kuantil di mana perkiraan probabilistik dihasilkan. Kuantil default adalah kuantil yang Anda tentukan selama pembuatan prediktor.

6. Secara opsional, pilih tombol radio untuk Item Terpilih untuk menentukan subset deret waktu yang digunakan untuk pembuatan perkiraan.

7. Secara opsional, tambahkan tag apa pun untuk perkiraan. Untuk informasi selengkapnyaPenandaan Amazon Forecast Daya.

8. Pilih Mulai. Halaman Prakiraan muncul.

   Kolom Status mencantumkan status perkiraan Anda. Tunggu Amazon Forecast selesai membuat perkiraan. Prosesnya dapat memakan waktu beberapa menit atau lebih. Ketika perkiraan Anda telah dibuat, status transisi ke Aktif.

   Sekarang perkiraan Anda telah dibuat, Anda dapat mengekspor ramalan. Lihat Mengekspor prakiraan.

CLI

Untuk membuat perkiraan denganAWS CLI, gunakancreate-forecast perintah. Berikan nama untuk prakiraan dan Amazon Resource Name (ARN) prediktor Anda. Untukforecast-types, secara opsional tentukan kuantil di mana perkiraan probabilistik dihasilkan. Nilai default adalah kuantil yang Anda tentukan saat Anda membuat prediktor. Opsional menambahkan tag untuk perkiraan. Untuk informasi selengkapnyaPenandaan Amazon Forecast Daya.

Untuk informasi tentang parameter yang diperlukan dan opsional lihatCreateForecast.

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

Untuk membuat prakiraan dengan SDK for Python (Boto3), gunakancreate_forecast metode ini. Berikan nama untuk prakiraan dan Amazon Resource Name (ARN) prediktor Anda. UntukForecastTypes, secara opsional tentukan kuantil di mana perkiraan probabilistik dihasilkan. Nilai default adalah kuantil yang Anda tentukan saat Anda membuat prediktor. Opsional menambahkan tag untuk perkiraan. Untuk informasi selengkapnyaPenandaan Amazon Forecast Daya.

Untuk informasi tentang parameter yang diperlukan dan opsional lihatCreateForecast.

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)

Menentukan deret waktu

Untuk menentukan daftar deret waktu, unggah file CSV yang mengidentifikasi deret waktu berdasarkan item_id dan nilai dimensinya ke bucket S3. Anda juga harus menentukan atribut dan jenis atribut dari deret waktu dalam skema.

Misalnya, pengecer mungkin ingin mengetahui bagaimana kampanye iklan memengaruhi penjualan untuk item tertentu (item_id) di lokasi toko tertentu (store_location). Dalam kasus penggunaan ini, Anda akan menentukan deret waktu yang merupakan kombinasi dari item_id dan store_location.

File CSV berikut memilih lima rangkaian waktu berikut:

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

Skema mendefinisikan kolom pertama sebagaiitem_id dan kolom kedua sebagaistore_location.

Pembuatan Forecast dilewati untuk rangkaian waktu apa pun yang Anda tentukan yang tidak ada dalam kumpulan data input. File ekspor perkiraan tidak akan berisi deret waktu ini atau nilai perkiraan mereka.

Mengekspor prakiraan

Setelah membuat prakiraan, Anda dapat mengekspornya ke bucket Amazon S3. Mengekspor perkiraan akan menyalin perkiraan ke bucket Amazon S3 Anda sebagai file CSV (secara default), dan data yang diekspor menyertakan semua atribut kumpulan data metadata item apa pun selain prediksi item. Anda dapat menentukan format file Parket saat Anda mengekspor perkiraan.

Perincian prakiraan yang diekspor (seperti per jam, harian, atau mingguan) adalah frekuensi perkiraan yang Anda tentukan saat membuat prediktor. Anda dapat menentukanAWS Key Management Service kunci untuk mengenkripsi data sebelum ditulis ke bucket.

Console

Untuk mengekspor prakiraan

1. Di panel navigasi, pada grup kumpulan data Anda, pilih prakiraan.

2. Pilih tombol radio untuk perkiraan Anda dan pilih Buat ekspor perkiraan. Halaman Buat perkiraan ekspor ditampilkan.

3. Pada halaman Buat perkiraan ekspor, untuk detail Ekspor, berikan informasi berikut.

   • Export name - Masukkan nama untuk prakiraan ekspor Anda.

   • Prakiraan yang dihasilkan - Dari menu drop-down, pilih perkiraan yang Anda buatStep 3: Create a Forecast.

   • Peran IAM — Simpan default Masukkan peran IAM kustom ARN atau pilih Buat peran baru agar Amazon Forecast membuat peran untuk Anda.

   • ARN peran IAM role yang Anda buat sebagai IAM role kustom, masukkan Amazon Resource Name (ARN) dari IAM role yang Anda buatMembuat Peran IAM untuk Amazon Forecast (IAM Console).

   • ARN kunci KMS — Jika Anda menggunakanAWS Key Management Service untuk enkripsi bucket, berikan Amazon Resource Name (ARN) dariAWS KMS kunci.

   • S3 prakiraan - Gunakan format berikut untuk memasukkan lokasi bucket atau folder Amazon Simple Storage Service (Amazon S3) di bucket:

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

4. Pilih Buat ekspor perkiraan. Halaman my_forecast ditampilkan.

   Tunggu Amazon Forecast selesai mengekspor perkiraan. Prosesnya dapat memakan waktu beberapa menit atau lebih. Saat perkiraan Anda telah diekspor, status akan bertransisi ke Aktif dan Anda dapat menemukan file perkiraan di bucket Amazon S3 Anda.

CLI

Untuk mengekspor perkiraan denganAWS CLI Anda menggunakanexport-forecast-job perintah. Beri nama pada pekerjaan ekspor perkiraan, tentukan ARN perkiraan yang akan diekspor, dan tambahkan tag apa pun secara opsional. Untukdestination, tentukan jalur ke bucket Amazon S3 keluaran Anda, ARN peran IAM yang Anda buatMembuat Peran IAM untuk Amazon Forecast (IAM Console), dan jika Anda menggunakanAWS KMS kunci untuk enkripsi bucket, ARN untuk kunci Anda.

Untuk informasi selengkapnya tentang parameter yang diperlukan dan opsional, lihatCreateForecastExportJob operasi.

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

Untuk mengekspor prakiraan dengan SDK for Python (Boto3) Anda menggunakanexport_forecast_job metode ini. Beri nama pada pekerjaan ekspor perkiraan, tentukan ARN perkiraan yang akan diekspor, dan tambahkan tag apa pun secara opsional. UntukDestination, tentukan jalur ke bucket Amazon S3 keluaran Anda, ARN peran IAM yang Anda buatMembuat Peran IAM untuk Amazon Forecast (IAM Console), dan jika Anda menggunakanAWS KMS kunci untuk enkripsi bucket, ARN untuk kunci Anda.

Untuk informasi selengkapnya tentang parameter yang diperlukan dan opsional, lihatCreateForecastExportJob operasi.

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)

Querying prakiraan

Anda dapat membuat kueri perkiraan menggunakanQueryForecast operasi. Secara default, rentang lengkap perkiraan dikembalikan. Anda dapat meminta rentang tanggal tertentu dalam perkiraan lengkap.

Ketika Anda query perkiraan Anda harus menentukan kriteria penyaringan. Filter adalah pasangan nilai kunci. Kuncinya adalah salah satu nama atribut skema (termasuk dimensi perkiraan) dari salah satu set data yang digunakan untuk membuat perkiraan. Nilai adalah nilai yang valid untuk kunci yang ditentukan. Anda dapat menentukan beberapa pasangan nilai kunci. Perkiraan yang dikembalikan hanya akan berisi item yang memenuhi semua kriteria.

Prakiraan Coldstart

Tantangan umum yang dihadapi oleh pelanggan di industri seperti ritel, manufaktur, atau barang kemasan konsumen adalah menghasilkan perkiraan untuk item tanpa data historis. Skenario ini dikenal sebagai peramalan coldstart dan biasanya ditemui ketika bisnis memperkenalkan produk baru ke pasar, merek atau katalog on-board, atau produk cross-sell di wilayah baru.

Amazon Forecast memerlukan metadata item untuk melakukan prakiraan coldstart. Memanfaatkan karakteristik item yang ditemukan di metadata item, Forecast secara eksplisit mengidentifikasi item dalam metadata item yang mirip dengan item tanpa data historis. Forecast menggunakan karakteristik permintaan dari item yang ada untuk menghasilkan perkiraan coldstart untuk item baru.

Amazon Forecast mengidentifikasi item coldstart sebagai item yang disertakan dalam file metadata item tetapi tidak disertakan dalam file deret waktu target. Untuk mengidentifikasi item coldstart dengan benar, pastikan ID item dari item coldstart dimasukkan sebagai baris dalam file metadata item dan tidak dimasukkan dalam file deret waktu target. Untuk beberapa item coldstart, masukkan setiap ID item sebagai baris terpisah di file metadata item. Jika item coldstart tidak memiliki ID item, Anda dapat menggunakan kombinasi alfanumerik apa pun yang kurang dari 64 karakter dan belum digunakan oleh item lain dalam kumpulan data.

Coldstart peramalan membutuhkan kedua item metadata dataset dan AutoPredictor.