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。
# 入门
要开始使用 Amazon Forecast，请执行以下操作。
+ 创建 Forecast 数据集并导入训练数据。
+ 创建 Forecast 预测器，您可以使用该预测器根据时间序列数据生成预测。Forecast 将算法的最佳组合应用于数据集中的每个时间序列。
+ 生成预测。
在本练习中，您将使用公开可用的修改后的用电量数据集来训练预测器。有关更多信息，请参阅 [ElectricityLoadDiagrams20112014 年数据集](https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014)。下面是数据集中的示例行：
```
2014-01-01 01:00:00, 2.53807106598985, client_0
2014-01-01 01:00:00, 23.648648648648624, client_1
2014-01-01 02:00:00, 9.648648648612345, client_0
```
在本练习中，您使用数据集训练预测器，然后预测客户每小时的用电量。
在本练习中，您可以使用 Forecas AWS Command Line Interface t 控制台或 (AWS CLI)。请注意 Amazon Forecast 控制台 AWS CLI、和 Amazon Forecast 的默认区域 SDKs，因为亚马逊预测资源不是跨区域共享的。
**重要**
在开始之前，请确保您已安装 AWS 账户 并已安装 AWS CLI。有关更多信息，请参阅 [设置](setup.md)。此外，建议您查看[Amazon Forecast 的工作原理](how-it-works.md)。
**Topics**
+ [准备输入数据](#gs-upload-data-to-s3)
+ [入门（控制台）](gs-console.md)
+ [入门 (AWS CLI)](gs-cli.md)
+ [入门（Python 笔记本）](getting-started-python.md)
+ [清理资源](#gs-cleanup)
## 准备输入数据
无论您是使用 Amazon Forecast 控制台还是 AWS Command Line Interface (AWS CLI) 来设置预测项目，都需要设置输入数据。要准备数据，请执行以下操作：
+ 将训练数据下载至您的电脑，并上传至 AWS 账户中的 Amazon Simple Storage Service（Amazon S3）存储桶。要将数据导入 Amazon Forecast 数据集，必须将其存储在 Amazon S3 存储桶中。
+ 创建一个 AWS Identity and Access Management (IAM) 角色。您向 Amazon Forecast 授予使用 IAM 角色访问您的 S3 存储桶的权限。有关 IAM 角色的更多信息，请参阅《IAM 用户指南》**中的 [IAM 角色](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html)。
**准备训练数据**
1. 下载 zip 文件 [electricityusagedata.zip](samples/electricityusagedata.zip)。
在本练习中，您将使用修改后的单个家庭电力消耗数据集。（Dua, D. 和 Karra Taniskidou, E.(2017).UCI 机器学习存储库 [[http://archive.ics.uci.edu/ml](http://archive.ics.uci.edu/ml)]。Irvine, CA：加州大学信息与计算机科学学院。） 我们将每小时汇总使用率数据。
1. 解压缩内容并将其作为 `electricityusagedata.csv` 保存在本地。
1. 将数据文件上传到 S3 存储桶。
有关 step-by-step说明，请参阅《*Amazon 简单存储服务用户指南》中的 “[使用拖放上传文件和文件夹](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html)”。*
1. 创建一个 IAM 角色。
如果您想使用入门练习，则必须创建一个 IAM 角色。 AWS CLI 如果您使用控制台，则可让它为您创建此角色。有关 step-by-step说明，请参阅[为 Amazon Forecast 设置权限](aws-forecast-iam-roles.md)。
将数据上传到 Amazon S3 后，您就可以使用 Amazon Forecast 控制台或 AWS CLI 来导入训练数据、创建预测变量、生成预测并查看预测了。
+ [入门（控制台）](gs-console.md)
+ [入门 (AWS CLI)](gs-cli.md)
## 清理资源
为避免产生不必要的费用，请删除完成入门练习后创建的资源。要删除资源，请使用 Amazon Forecast `Delete` APIs 控制台 SDKs 或或 AWS Command Line Interface (AWS CLI) 中的。例如，使用 [DeleteDataset](API_DeleteDataset.md) API 来删除数据集。
要删除某个资源，其状态必须为 `ACTIVE`、`CREATE_FAILED` 或 `UPDATE_FAILED`。例如 `Describe` APIs，使用检查状态[DescribeDataset](API_DescribeDataset.md)。
有些资源必须在其他资源之前删除，如下表所示。此过程可能需要一些时间。
要删除您上传的训练数据 ` electricityusagedata.csv`，请参阅[如何从 S3 存储桶中删除对象？](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html)。
| 要删除的资源 | 首先删除此项 | 备注 |
| --- | --- | --- |
| ForecastExportJob | | |
| Forecast | | 您无法在导出预测时删除预测。删除某个预测后，您将无法再查询该预测。 |
| Predictor | 所有关联的预测。 | |
| DatasetImportJob | | 无法删除。 |
| Dataset | | 所有以数据集为目标的`DatasetImportJob`都将被删除。 您无法删除预测器使用的 `Dataset`。 |
| DatasetSchema | 引用架构的所有数据集。 | |
| DatasetGroup | 所有关联的预测器所有关联的预测。数据集组中的所有数据集。 | 您无法删除包含预测器使用的 `Dataset` 的 `DatasetGroup`。 |