Amazon Forecast 不再向新买家开放。Amazon Forecast 的现有客户可以继续照常使用该服务。[了解更多](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# ExplainabilityConfig
<a name="API_ExplainabilityConfig"></a>

 ExplainabilityConfig 数据类型定义了中包含的时间序列和时间点的数量[CreateExplainability](API_CreateExplainability.md)。

如果您为 `ResourceArn` 提供了预测器 ARN，则必须将 `TimePointGranularity` 和 `TimeSeriesGranularity` 同时设置为“全部”。在创建预测器可解释性时，Amazon Forecast 会考虑所有时间序列和时间点。

如果您为 `ResourceArn` 提供了预测 ARN，则可以将 `TimePointGranularity` 和 `TimeSeriesGranularity` 设置为“全部”或“具体”。

## 内容
<a name="API_ExplainabilityConfig_Contents"></a>

 ** TimePointGranularity **   <a name="forecast-Type-ExplainabilityConfig-TimePointGranularity"></a>
要为预测范围中的所有时间点创建可解释性，请使用 `ALL`。要为预测范围中的特定时间点创建可解释性，请使用 `SPECIFIC`。  
在 [CreateExplainability](API_CreateExplainability.md) 操作中使用 `StartDateTime` 和 `EndDateTime` 参数指定时间点。  
类型：字符串  
有效值：`ALL | SPECIFIC`  
必需：是

 ** TimeSeriesGranularity **   <a name="forecast-Type-ExplainabilityConfig-TimeSeriesGranularity"></a>
要为数据集中的所有时间序列创建可解释性，请使用 `ALL`。要为数据集中的特定时间序列创建可解释性，请使用 `SPECIFIC`。  
通过将 CSV 或 Parquet 文件上传到 Amazon S3 存储桶来指定时间序列，并在 [DataDestination](API_DataDestination.md) 数据类型中设置位置。  
类型：字符串  
有效值：`ALL | SPECIFIC`  
必需：是

## 另请参阅
<a name="API_ExplainabilityConfig_SeeAlso"></a>

有关以特定语言之一使用此 API 的更多信息 AWS SDKs，请参阅以下内容：
+  [AWS 适用于 C\$1\$1 的 SDK](https://docs.aws.amazon.com/goto/SdkForCpp/forecast-2018-06-26/ExplainabilityConfig) 
+  [AWS 适用于 Java 的 SDK V2](https://docs.aws.amazon.com/goto/SdkForJavaV2/forecast-2018-06-26/ExplainabilityConfig) 
+  [AWS 适用于 Ruby V3 的 SDK](https://docs.aws.amazon.com/goto/SdkForRubyV3/forecast-2018-06-26/ExplainabilityConfig)