Amazon Forecast 不再提供給新客戶。Amazon Forecast 的現有客戶可以繼續正常使用服務。[進一步了解」](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/) 本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # CreatePredictor **注意** 此操作會建立舊版預測器，其中不包含 Amazon Forecast 提供的所有預測器功能。若要建立與 Forecast 所有層面相容的預測器，請使用 [CreateAutoPredictor](API_CreateAutoPredictor.md)。 建立 Amazon Forecast 預測器。 **重要** Amazon Forecast 不再提供給新客戶。Amazon Forecast 的現有客戶可以繼續正常使用服務。[進一步了解」](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/) 在請求中，提供資料集群組，並指定演算法，或讓 Amazon Forecast 使用 AutoML 為您選擇演算法。如果您指定演算法，也可以覆寫演算法特定的超參數。 Amazon Forecast 使用演算法，在指定的資料集群組中使用最新版本的資料集來訓練預測器。然後，您可以使用 [CreateForecast](API_CreateForecast.md)操作產生預測。 若要查看評估指標，請使用 [GetAccuracyMetrics](API_GetAccuracyMetrics.md) 操作。 您可以指定特徵化組態來填充和彙總`TARGET_TIME_SERIES`資料集中的資料欄位，以改善模型訓練。如需詳細資訊，請參閱[FeaturizationConfig](API_FeaturizationConfig.md)。 對於 RELATED\$1TIME\$1SERIES 資料集， `CreatePredictor` 會驗證建立資料集時`DataFrequency`指定的 是否與 相符`ForecastFrequency`。TARGET\$1TIME\$1SERIES 資料集沒有此限制。Amazon Forecast 也會驗證分隔符號和時間戳記格式。如需詳細資訊，請參閱[匯入資料集](howitworks-datasets-groups.md)。 根據預設，預測器會在 0.1 (P10)、0.5 (P50) 和 0.9 (P90) 分位數進行訓練和評估。您可以透過設定 來選擇自訂預測類型來訓練和評估您的預測器`ForecastTypes`。 **AutoML** 如果您希望 Amazon Forecast 評估每個演算法，並選擇將 最小化的演算法`objective function`，請將 `PerformAutoML`設定為 `true`。`objective function` 定義為預測類型加權損失的平均值。根據預設，這些是 p10、p50 和 p90 分位數損失。如需詳細資訊，請參閱[EvaluationResult](API_EvaluationResult.md)。 啟用 AutoML 時，不允許下列屬性： + `AlgorithmArn` + `HPOConfig` + `PerformHPO` + `TrainingParameters` 若要取得所有預測器的清單，請使用 [ListPredictors](API_ListPredictors.md)操作。 **注意** 在您可以使用預測器建立預測之前，預測器`Status`的 必須是 `ACTIVE`，表示訓練已完成。若要取得 狀態，請使用 [DescribePredictor](API_DescribePredictor.md)操作。 ## 請求語法 ``` { "AlgorithmArn": "string", "AutoMLOverrideStrategy": "string", "EncryptionConfig": { "KMSKeyArn": "string", "RoleArn": "string" }, "EvaluationParameters": { "BackTestWindowOffset": number, "NumberOfBacktestWindows": number }, "FeaturizationConfig": { "Featurizations": [ { "AttributeName": "string", "FeaturizationPipeline": [ { "FeaturizationMethodName": "string", "FeaturizationMethodParameters": { "string" : "string" } } ] } ], "ForecastDimensions": [ "string" ], "ForecastFrequency": "string" }, "ForecastHorizon": number, "ForecastTypes": [ "string" ], "HPOConfig": { "ParameterRanges": { "CategoricalParameterRanges": [ { "Name": "string", "Values": [ "string" ] } ], "ContinuousParameterRanges": [ { "MaxValue": number, "MinValue": number, "Name": "string", "ScalingType": "string" } ], "IntegerParameterRanges": [ { "MaxValue": number, "MinValue": number, "Name": "string", "ScalingType": "string" } ] } }, "InputDataConfig": { "DatasetGroupArn": "string", "SupplementaryFeatures": [ { "Name": "string", "Value": "string" } ] }, "OptimizationMetric": "string", "PerformAutoML": boolean, "PerformHPO": boolean, "PredictorName": "string", "Tags": [ { "Key": "string", "Value": "string" } ], "TrainingParameters": { "string" : "string" } } ``` ## 請求參數 請求接受採用 JSON 格式的下列資料。 ** [AlgorithmArn](#API_CreatePredictor_RequestSyntax) ** 用於模型訓練的演算法 Amazon Resource Name (ARN)。如果 `PerformAutoML` 未設定為 ，則為必要`true`。 **支援的演算法：** + `arn:aws:forecast:::algorithm/ARIMA` + `arn:aws:forecast:::algorithm/CNN-QR` + `arn:aws:forecast:::algorithm/Deep_AR_Plus` + `arn:aws:forecast:::algorithm/ETS` + `arn:aws:forecast:::algorithm/NPTS` + `arn:aws:forecast:::algorithm/Prophet` 類型：字串 長度限制：長度上限為 256。 模式：`arn:([a-z\d-]+):forecast:.*:.*:.+` 必要：否 ** [AutoMLOverrideStrategy](#API_CreatePredictor_RequestSyntax) ** `LatencyOptimized` AutoML 覆寫策略僅適用於私有 Beta 版。請聯絡 AWS Support 或您的客戶經理，以進一步了解 存取權限。 用來覆寫預設 AutoML 策略，也就是最佳化預測器準確度。若要套用可將訓練時間降至最低的 AutoML 策略，請使用 `LatencyOptimized`。 此參數僅適用於使用 AutoML 訓練的預測器。 類型：字串 有效值:`LatencyOptimized | AccuracyOptimized` 必要：否 ** [EncryptionConfig](#API_CreatePredictor_RequestSyntax) ** Amazon Forecast 可以擔任的 AWS Key Management Service (KMS) 金鑰和 AWS Identity and Access Management (IAM) 角色來存取金鑰。 類型：[EncryptionConfig](API_EncryptionConfig.md) 物件 必要：否 ** [EvaluationParameters](#API_CreatePredictor_RequestSyntax) ** 用來覆寫指定演算法的預設評估參數。Amazon Forecast 透過將資料集分割為訓練資料和測試資料來評估預測器。評估參數定義如何執行分割和反覆運算的數量。 類型：[EvaluationParameters](API_EvaluationParameters.md) 物件 必要：否 ** [FeaturizationConfig](#API_CreatePredictor_RequestSyntax) ** 特徵化組態。 類型：[FeaturizationConfig](API_FeaturizationConfig.md) 物件 必要：是 ** [ForecastHorizon](#API_CreatePredictor_RequestSyntax) ** 指定要訓練模型預測的時間步驟數目。預測期間也稱為預測長度。 例如，如果您為每日資料收集設定資料集 （使用 [CreateDataset](API_CreateDataset.md)操作的 `DataFrequency` 參數），並將預測期間設定為 10，則模型會傳回預測 10 天。 最大預測期間是 500 個時間步驟或 TARGET\$1TIME\$1SERIES 資料集長度的 1/3。 類型：整數 必要：是 ** [ForecastTypes](#API_CreatePredictor_RequestSyntax) ** 指定用於訓練預測器的預測類型。您最多可以指定五種預測類型。預測類型可以是 0.01 到 0.99 之間的分位數，增量單位為 0.01 或更高。您也可以使用 指定平均預測`mean`。 預設值為 `["0.10", "0.50", "0.9"]`。 類型：字串陣列 陣列成員：項目數下限為 1。項目數上限為 20。 長度限制：長度下限為 2。長度上限為 4。 模式：`(^0?\.\d\d?$|^mean$)` 必要：否 ** [HPOConfig](#API_CreatePredictor_RequestSyntax) ** 提供演算法的超參數覆寫值。如果您未提供此參數，Amazon Forecast 會使用預設值。個別演算法會指定哪些超參數支援超參數最佳化 (HPO)。如需詳細資訊，請參閱[Amazon Forecast 演算法](aws-forecast-choosing-recipes.md)。 如果您包含 `HPOConfig` 物件，則必須`PerformHPO`將 設定為 true。 類型：[HyperParameterTuningJobConfig](API_HyperParameterTuningJobConfig.md) 物件 必要：否 ** [InputDataConfig](#API_CreatePredictor_RequestSyntax) ** 描述資料集群組，其中包含用於訓練預測器的資料。 類型：[InputDataConfig](API_InputDataConfig.md) 物件 必要：是 ** [OptimizationMetric](#API_CreatePredictor_RequestSyntax) ** 用於最佳化預測器的準確度指標。預設值為 `AverageWeightedQuantileLoss`。 類型：字串 有效值:`WAPE | RMSE | AverageWeightedQuantileLoss | MASE | MAPE` 必要：否 ** [PerformAutoML](#API_CreatePredictor_RequestSyntax) ** 是否執行 AutoML。當 Amazon Forecast 執行 AutoML 時，它會評估其提供的演算法，並為訓練資料集選擇最佳演算法和組態。 預設值為 `false`。在這種情況下，您需要指定演算法。 `PerformAutoML` 設定為 `true`讓 Amazon Forecast 執行 AutoML。如果您不確定哪種演算法適合您的訓練資料，這是不錯的選擇。在此情況下， `PerformHPO` 必須為 false。 類型：布林值 必要：否 ** [PerformHPO](#API_CreatePredictor_RequestSyntax) ** 是否執行超參數最佳化 (HPO)。HPO 會為您的訓練資料尋找最佳超參數值。執行 HPO 的程序稱為執行超參數調校任務。 預設值為 `false`。在此情況下，Amazon Forecast 會使用所選演算法的預設超參數值。 若要覆寫預設值，請將 `PerformHPO` 設定為 ，`true`並選擇性地提供 [HyperParameterTuningJobConfig](API_HyperParameterTuningJobConfig.md) 物件。調校任務會指定要最佳化的指標、哪些超參數參與調校，以及每個可調校超參數的有效範圍。在此情況下，您必須指定演算法，且`PerformAutoML`必須為 false。 下列演算法支援 HPO： + DeepAR\$1 + CNN-QR 類型：布林值 必要：否 ** [PredictorName](#API_CreatePredictor_RequestSyntax) ** 預測器的名稱。 類型：字串 長度限制：長度下限為 1。長度上限為 63。 模式：`^[a-zA-Z][a-zA-Z0-9_]*` 必要：是 ** [Tags](#API_CreatePredictor_RequestSyntax) ** 您套用至預測器的選用中繼資料，可協助您分類和整理這些中繼資料。每個標籤皆包含由您定義的一個金鑰與一個選用值。 以下基本限制適用於 標籤： + 每個資源的標籤數量上限 - 50。 + 針對每一個資源，每個標籤鍵必須是唯一的，且每個標籤鍵只能有一個值。 + 金鑰長度上限 - UTF-8 中的 128 個 Unicode 字元。 + 最大值長度 - UTF-8 256 個 Unicode 字元。 + 如果您的標記結構描述是跨多項服務和資源使用，請記得其他服務可能會有字元使用限制。通常允許的字元為：以 UTF-8 表示的字母、數字和空格，以及下列字元：\$1 - = . \$1 ： / @。 + 標籤鍵與值皆區分大小寫。 + 請勿使用 `aws:`、 `AWS:`或任何大寫或小寫的組合，例如金鑰的字首，因為其保留供 AWS 使用。您無法使用此字首編輯或刪除標籤索引鍵。值可以有此字首。如果標籤值具有 `aws` 作為其字首，但金鑰沒有，則預測會將其視為使用者標籤，並計入 50 個標籤的限制。只有 金鑰字首的標籤`aws`不會計入每個資源限制的標籤。 類型：[Tag](API_Tag.md) 物件陣列 陣列成員：項目數下限為 0。項目數上限為 200。 必要：否 ** [TrainingParameters](#API_CreatePredictor_RequestSyntax) ** 模型訓練要覆寫的超參數。您可以覆寫的超參數會列在個別演算法中。如需支援的演算法清單，請參閱 [Amazon Forecast 演算法](aws-forecast-choosing-recipes.md)。 類型：字串到字串映射 映射項目：最少 0 個項目。項目數上限為 100。 金鑰長度限制：長度上限為 256。 金鑰模式：`^[a-zA-Z0-9\-\_\.\/\[\]\,\\]+$` 值長度限制：長度上限為 256。 值模式：`^[a-zA-Z0-9\-\_\.\/\[\]\,\"\\\s]+$` 必要：否 ## 回應語法 ``` { "PredictorArn": "string" } ``` ## 回應元素 如果動作成功，則服務傳回 HTTP 200 回應。 服務會傳回下列 JSON 格式的資料。 ** [PredictorArn](#API_CreatePredictor_ResponseSyntax) ** 預測器的 Amazon Resource Name (ARN)。 類型：字串 長度限制：長度上限為 256。 模式：`arn:([a-z\d-]+):forecast:.*:.*:.+` ## 錯誤 ** InvalidInputException ** 我們無法處理請求，因為它包含無效的值或超過有效範圍的值。 HTTP 狀態碼：400 ** LimitExceededException ** 已超過每個帳戶的資源數量限制。 HTTP 狀態碼：400 ** ResourceAlreadyExistsException ** 已有具有此名稱的資源。請用不同的名稱再試一次。 HTTP 狀態碼：400 ** ResourceInUseException ** 指定的資源正在使用中。 HTTP 狀態碼：400 ** ResourceNotFoundException ** 我們找不到具有該 Amazon Resource Name (ARN) 的資源。請檢查 ARN，然後再試一次。 HTTP 狀態碼：400 ## 另請參閱 如需在其中一種語言特定 AWS SDKs中使用此 API 的詳細資訊，請參閱下列內容： + [AWS 命令列界面 V2](https://docs.aws.amazon.com/goto/cli2/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 .NET V4 的 SDK](https://docs.aws.amazon.com/goto/DotNetSDKV4/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 C\$1\$1 的 SDK](https://docs.aws.amazon.com/goto/SdkForCpp/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 Go 的 SDK v2](https://docs.aws.amazon.com/goto/SdkForGoV2/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 Java V2 的 SDK](https://docs.aws.amazon.com/goto/SdkForJavaV2/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 JavaScript V3 的 SDK](https://docs.aws.amazon.com/goto/SdkForJavaScriptV3/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 Kotlin 的 SDK](https://docs.aws.amazon.com/goto/SdkForKotlin/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 PHP V3 的 SDK](https://docs.aws.amazon.com/goto/SdkForPHPV3/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 Python 的 SDK](https://docs.aws.amazon.com/goto/boto3/forecast-2018-06-26/CreatePredictor) + [AWS 適用於 Ruby V3 的 SDK](https://docs.aws.amazon.com/goto/SdkForRubyV3/forecast-2018-06-26/CreatePredictor)