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。
# 開始使用
若要開始使用 Amazon Forecast，請執行下列動作。
+ 建立預測資料集並匯入訓練資料。
+ 建立預測預測器，您可以使用它根據時間序列資料產生預測。預測會將演算法的最佳組合套用至資料集中的每個時間序列。
+ 產生預測。
在本練習中，您會使用公開可用用電量資料集的修改版本來訓練預測器。如需詳細資訊，請參閱 [ElectricityLoadDiagrams20112014 資料集](https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014)。以下是資料集內的範例資料列：
```
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
```
在本練習中，您使用資料集來訓練預測器，然後預測客戶的每小時用電量。
您可以使用 Forecast 主控台或 AWS Command Line Interface (AWS CLI) 進行此練習。請注意 Amazon Forecast 主控台、 AWS CLI和 Amazon Forecast SDKs 的預設區域，因為 Amazon Forecast 資源不會跨區域共用。
**重要**
開始之前，請確定您擁有 AWS 帳戶 並已安裝 AWS CLI。如需詳細資訊，請參閱[設定](setup.md)。我們也建議您檢閱[Amazon Forecast 運作方式](how-it-works.md)。
**Topics**
+ [準備輸入資料](#gs-upload-data-to-s3)
+ [入門 (主控台)](gs-console.md)
+ [入門 (AWS CLI)](gs-cli.md)
+ [入門 (Python 筆記本）](getting-started-python.md)
+ [清除 資源](#gs-cleanup)
## 準備輸入資料
無論您使用 Amazon Forecast 主控台或 AWS Command Line Interface (AWS CLI) 來設定預測專案，都需要設定輸入資料。若要準備資料，請執行以下作業：
+ 將訓練資料下載至您的電腦，並將其上傳至您 中的 Amazon Simple Storage Service (Amazon S3) 儲存貯體 AWS 帳戶。若要將資料匯入 Amazon Forecast 資料集，您必須將其存放在 Amazon S3 儲存貯體中。
+ 建立 AWS Identity and Access Management (IAM) 角色。您授予 Amazon Forecast 使用 IAM 角色存取 S3 儲存貯體的許可。如需 IAM 角色的更多相關資訊，請參閱 *IAM 使用者指南*中的 [IAM 角色](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html)。
**準備訓練資料**
1. 下載 zip 檔案 [electricityusagedata.zip](samples/electricityusagedata.zip)。
在本練習中，您會使用個別家庭用電量資料集的修改版本。（杜a， D. 和 Karra Taniskidou， E. (2017)。 UCI Machine Learning 儲存庫 【[http://archive.ics.uci.edu/ml](http://archive.ics.uci.edu/ml)：//】。 Irvine， CA：加利佛尼亞大學資訊與電腦科學學院。) 我們每小時彙總一次用電量資料。
1. 解壓縮內容並以 `electricityusagedata.csv` 儲存在本機。
1. 上傳資料檔案至 S3 儲存貯體。
如需step-by-step說明，請參閱《Amazon Simple Storage Service 使用者指南》中的[使用拖放功能上傳檔案和資料夾](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html)。 **
1. 建立 IAM 角色。
如果您想要使用 AWS CLI 進行入門練習，您必須建立 IAM 角色。如果使用主控台，它會為您建立角色。如需逐步說明，請參閱 [設定 Amazon Forecast 的許可](aws-forecast-iam-roles.md)。
將資料上傳至 Amazon S3 之後，您就可以使用 Amazon Forecast 主控台或 AWS CLI 匯入訓練資料、建立預測器、產生預測，以及查看預測。
+ [入門 (主控台)](gs-console.md)
+ [入門 (AWS CLI)](gs-cli.md)
## 清除 資源
為了避免產生不必要的費用，請刪除您在開始練習後所建立的資源。若要刪除資源，請使用 Amazon Forecast 主控台或 SDK 或 () SDKs AWS Command Line Interface 中的 `Delete` API AWS CLI。 APIs 例如，使用 [DeleteDataset](API_DeleteDataset.md) API 來刪除資料集。
若要刪除資源，其狀態必須為 `ACTIVE`、`CREATE_FAILED` 或 `UPDATE_FAILED`。您可以使用 `Describe` API (如 [DescribeDataset](API_DescribeDataset.md)) 來檢查狀態。
部分資源必須先刪除，才能刪除其他資源，如下表所示。這個程序會需要一些時間。
若要刪除您上傳的培訓資料 ` electricityusagedata.csv`，請參閱[如何刪除 S3 儲存貯體中的物件？](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html)。
| 待刪除資源 | 先刪除此項目 | 備註 |
| --- | --- | --- |
| ForecastExportJob | | |
| Forecast | | 預測匯出時，您無法將其刪除。預測刪除後，您就無法再查詢預測。 |
| Predictor | 所有相關的預測。 | |
| DatasetImportJob | | 無法進行刪除。 |
| Dataset | | 所有以該資料集為目標的 `DatasetImportJob` 都將刪除。 您無法刪除預測器所使用的 `Dataset`。 |
| DatasetSchema | 參考該結構描述的所有資料集。 | |
| DatasetGroup | 所有相關的預測器所有相關的預測。資料集群組中的所有資料集。 | 包含預測器所使用之 `Dataset` 的 `DatasetGroup`，您無法將其刪除。 |