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。

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

ExplainabilityConfig 資料類型會定義包含在 中的時間序列和時間點數目[CreateExplainability](API_CreateExplainability.md)。

如果您為 提供預測器 ARN`ResourceArn`，則必須同時將 `TimePointGranularity`和 `TimeSeriesGranularity` 設定為「ALL」。建立 Predictor 可解釋性時，Amazon Forecast 會考慮所有時間序列和時間點。

如果您為 提供預測 ARN`ResourceArn`，您可以將 `TimePointGranularity`和 `TimeSeriesGranularity` 設定為「ALL」或「特定」。

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

 ** TimePointGranularity **   <a name="forecast-Type-ExplainabilityConfig-TimePointGranularity"></a>
若要為預測期間中的所有時間點建立可解釋性，請使用 `ALL`。若要為預測期間的特定時間點建立可解釋性，請使用 `SPECIFIC`。  
在 [CreateExplainability](API_CreateExplainability.md)操作中使用 `StartDateTime`和 `EndDateTime` 參數指定時間點。  
類型：字串  
有效值:`ALL | SPECIFIC`   
必要：是

 ** TimeSeriesGranularity **   <a name="forecast-Type-ExplainabilityConfig-TimeSeriesGranularity"></a>
若要為資料集中的所有時間序列建立可解釋性，請使用 `ALL`。若要為資料集中的特定時間序列建立可解釋性，請使用 `SPECIFIC`。  
將 CSV 或 Parquet 檔案上傳到 Amazon S3 儲存貯體，並在[DataDestination](API_DataDestination.md)資料類型中設定位置，以指定時間序列。  
類型：字串  
有效值:`ALL | SPECIFIC`   
必要：是

## 另請參閱
<a name="API_ExplainabilityConfig_SeeAlso"></a>

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 適用於 C\$1\$1 的 SDK](https://docs.aws.amazon.com/goto/SdkForCpp/forecast-2018-06-26/ExplainabilityConfig) 
+  [AWS 適用於 Java V2 的 SDK](https://docs.aws.amazon.com/goto/SdkForJavaV2/forecast-2018-06-26/ExplainabilityConfig) 
+  [AWS 適用於 Ruby V3 的 SDK](https://docs.aws.amazon.com/goto/SdkForRubyV3/forecast-2018-06-26/ExplainabilityConfig)