CreatePredictor - Amazon Forecast

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

CreatePredictor

Anmerkung

Dieser Vorgang erstellt einen Legacy-Prädiktor, der nicht alle Prädiktor-Funktionalitäten enthält, die von Amazon Forecast Forecst bereitgestellt werden. Um einen Prädiktor zu erstellen, der mit allen Aspekten der Forecast kompatibel ist, verwenden SieCreateAutoPredictoraus.

Erstellt einen Amazon Forecast-Predictor.

Geben Sie in der Anforderung eine Datensatzgruppe an und geben Sie entweder einen Algorithmus an oder lassen Sie Amazon Forecast einen Algorithmus für Sie mit AutoML auswählen. Wenn Sie einen Algorithmus angeben, können Sie auch algorithmspezifische Hyperparameter überschreiben.

Amazon Forecast verwendet den Algorithmus, um einen Prädiktor mit der neuesten Version der Datensätze in der angegebenen Datensatzgruppe zu trainieren. Sie können dann eine Prognose generieren, indem Sie dieCreateForecastverwenden.

Verwenden Sie zum Anzeigen der Auswertungsmetriken die Operation GetAccuracyMetrics.

Sie können eine Featurisierungskonfiguration angeben, um die Datenfelder imTARGET_TIME_SERIESDatensatz zur Verbesserung des Modelltrainings. Weitere Informationen finden Sie unter FeaturizationConfig .

Für RELATED_TIME_SERIES-DatasetsCreatePredictorVerifiziert, dass das FeldDataFrequencyangegeben, wenn der Datensatz erstellt wurde, entspricht derForecastFrequencyaus. TARGET_TIME_SERIES-Dataset-Länge haben diese Einschränkung nicht. Amazon Forecast überprüft auch das Trennzeichen und das Zeitstempelformat. Weitere Informationen finden Sie unter Importieren von Datensätzen .

Standardmäßig werden Prädiktoren in den Quantilen 0,1 (P10), 0,5 (P50) und 0,9 (P90) trainiert und ausgewertet. Sie können benutzerdefinierte Prognosetypen auswählen, um Ihren Prädiktor zu trainieren und auszuwerten, indem Sie dieForecastTypesaus.

AutoML

Wenn Sie möchten, dass Amazon Forecast jeden Algorithmus auswertet und denjenigen auswählt, der dieobjective function, setzenPerformAutoMLzutrueaus. Dieobjective functionist definiert als der Mittelwert der gewichteten Verluste gegenüber den Prognosetypen. Standardmäßig sind dies die quantilen Verluste p10, p50 und p90. Weitere Informationen finden Sie unter EvaluationResult .

Wenn AutoML aktiviert ist, sind die folgenden Eigenschaften nicht zulässig:

  • AlgorithmArn

  • HPOConfig

  • PerformHPO

  • TrainingParameters

Um eine Liste aller Predictors zu erhalten, verwenden Sie dieListPredictorsverwenden.

Anmerkung

Bevor Sie den Predictor verwenden können, um eine Prognose zu erstellen, wird dieStatusdes Prädiktors muss seinACTIVEwas bedeutet, dass das Training abgeschlossen ist. Um den Status abzurufen, verwenden Sie dieDescribePredictorverwenden.

Anforderungssyntax

{ "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" } }

Anfrageparameter

Die Anforderung akzeptiert die folgenden Daten im JSON-Format.

AlgorithmArn

Der Amazon-Ressourcenname (ARN) des Algorithmus, der für das Modelltraining verwendet werden soll. Erforderlich wennPerformAutoMList nicht eingestellt auftrueaus.

Unterstützte Algorithmen:

  • 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

Type: String (Zeichenfolge)

Längenbeschränkungen: Maximale Länge beträgt 256 Zeichen.

Pattern: ^[a-zA-Z0-9\-\_\.\/\:]+$

: Erforderlich Nein

AutoMLOverrideStrategy
Anmerkung

DieLatencyOptimizedDie AutoML-Override-Strategie ist nur in privater Beta verfügbar. Wenden Sie sich an den AWS Support oder Ihren Account Manager, um mehr über Zugriffsberechtigungen zu erfahren.

Wird verwendet, um die standardmäßige AutoML-Strategie zu übersteuern, die darin besteht, die Prädiktorgenauigkeit zu optimieren. Um eine AutoML-Strategie anzuwenden, die die Trainingszeit minimiert, verwenden SieLatencyOptimizedaus.

Dieser Parameter ist nur für Prädiktoren gültig, die mit AutoML geschult wurden.

Type: String (Zeichenfolge)

Zulässige Werte: LatencyOptimized | AccuracyOptimized

: Erforderlich Nein

EncryptionConfig

Der AWS Key Management Service (KMS) -Schlüssel und die AWS Identity and Access Management (IAM) -Rolle, von der Amazon Forecast für den Zugriff auf den Schlüssel übernehmen kann.

Typ: EncryptionConfig Objekt

: Erforderlich Nein

EvaluationParameters

Wird verwendet, um die Standardauswertungsparameter des angegebenen Algorithmus zu überschreiben. Amazon Forecast Forecst wertet einen Predictor aus, indem ein Dataset in Schulungsdaten und Testdaten aufgeteilt wird. Die Auswertungsparameter definieren, wie die Teilung und die Anzahl der Iterationen durchgeführt werden.

Typ: EvaluationParameters Objekt

: Erforderlich Nein

FeaturizationConfig

Die Featurisierungskonfiguration.

Typ: FeaturizationConfig Objekt

: Erforderlich Ja

ForecastHorizon

Gibt die Anzahl der Zeitschritte an, für deren Prognose das Modell geschult wurde. Der Prognosehorizont wird auch als Prognoselänge bezeichnet.

Wenn Sie beispielsweise einen Datensatz für die tägliche Datenerfassung konfigurieren (unter Verwendung derDataFrequency-Parameter desCreateDataset-Operation) und setzen Sie den Prognosehorizont auf 10, gibt das Modell Prognosen für 10 Tage zurück.

Der maximale Prognosehorizont ist der geringere von 500 Zeitschritten oder 1/3 der TARGET_TIME_SERIES-Dataset-Länge.

Type: Ganzzahl

: Erforderlich Ja

ForecastTypes

Gibt die Prognosetypen an, die zum Trainieren eines Predictors verwendet werden. Sie können bis zu fünf Prognosetypen angeben. Prognosetypen können Quantile von 0,01 bis 0,99 in Schritten von 0,01 oder höher sein. Sie können auch die Mittelprognose mit angebenmeanaus.

Der Standardwert ist ["0.10", "0.50", "0.9"].

Type: Zeichenfolgen-Array

Array-Mitglieder: Die Mindestanzahl beträgt 1 Element. Die maximale Anzahl beträgt 50 Elemente.

Längenbeschränkungen: Mindestlänge 2. Maximale Länge beträgt 4 Zeichen.

Pattern: (^0?\.\d\d?$|^mean$)

: Erforderlich Nein

HPOConfig

Stellt Hyperparameter-Override-Werte für den Algorithmus bereit. Wenn Sie diesen Parameter nicht angeben, verwendet Amazon Forecast Standardwerte. Die einzelnen Algorithmen geben an, welche Hyperparameter die Hyperparameter-Optimierung (HPO) unterstützen. Weitere Informationen finden Sie unter Amazon-Prognosealgorithmen .

Wenn Sie dasHPOConfigObjekt, das Sie einstellen müssenPerformHPOtrue.

Typ: HyperParameterTuningJobConfig Objekt

: Erforderlich Nein

InputDataConfig

Beschreibt die Datensatzgruppe, die die Daten enthält, die zum Trainieren des Prädiktors verwendet werden sollen.

Typ: InputDataConfig Objekt

: Erforderlich Ja

OptimizationMetric

Die zur Optimierung des Prädiktors verwendete Genauigkeitsmetrik.

Type: String (Zeichenfolge)

Zulässige Werte: WAPE | RMSE | AverageWeightedQuantileLoss | MASE | MAPE

: Erforderlich Nein

PerformAutoML

Ob AutoML ausgeführt werden soll. Wenn Amazon Forecast AutoML durchführt, wertet es die bereitgestellten Algorithmen aus und wählt den besten Algorithmus und die beste Konfiguration für Ihren Trainingsdatensatz aus.

Der Standardwert ist false. In diesem Fall müssen Sie einen Algorithmus angeben.

Legen Sie fest.PerformAutoMLzutrueum Amazon Forecast AutoML ausführen zu lassen. Dies ist eine gute Option, wenn Sie nicht sicher sind, welcher Algorithmus für Ihre Trainingsdaten geeignet ist. In diesem Fall gibt das FeldPerformHPOEs muss falsch sein.

Type: Boolesch

: Erforderlich Nein

PerformHPO

Gibt an, ob Hyperparameter-Optimierung (HPO) durchgeführt werden soll. HPO findet optimale Hyperparameterwerte für Ihre Trainingsdaten. Der Prozess der Ausführung von HPO wird als Ausführen eines Hyperparameteroptimierungsauftrags bezeichnet.

Der Standardwert ist false. In diesem Fall verwendet Amazon Forecast Standard-Hyperparameterwerte aus dem ausgewählten Algorithmus.

Um die Standardwerte zu überschreiben, legen Sie festPerformHPOzutrueund geben Sie optional dieHyperParameterTuningJobConfig-Objekt. Der Tuning-Job gibt eine zu optimierende Metrik an, welche Hyperparameter am Tuning beteiligt sind, und den gültigen Bereich für jeden abstimmbaren Hyperparameter. In diesem Fall müssen Sie einen Algorithmus angeben undPerformAutoMLEs muss falsch sein.

Die folgenden Algorithmen unterstützen HPO:

  • DeepAR+

  • CNN-QR

Type: Boolesch

: Erforderlich Nein

PredictorName

Ein Name für den Predictor.

Type: String (Zeichenfolge)

Längenbeschränkungen: Mindestlänge 1. Maximale Länge beträgt 63 Zeichen.

Pattern: ^[a-zA-Z][a-zA-Z0-9_]*

: Erforderlich Ja

Tags

Die optionalen Metadaten, die Sie auf den Predictor anwenden, um die Kategorisierung und Organisation zu erleichtern. Jeder Tag (Markierung) besteht aus einem Schlüssel und einem optionalen Wert, beides können Sie bestimmen.

Die folgenden grundlegenden Einschränkungen gelten für Tags (Markierungen):

  • Die maximale Anzahl an Tags pro Ressource beträgt 50.

  • Jeder Tag (Markierung) muss für jede Ressource eindeutig sein. Jeder Tag (Markierung) kann nur einen Wert haben.

  • Maximale Schlüssellänge: 128 Unicode-Zeichen in UTF-8.

  • Maximale Wertlänge: 256 Unicode-Zeichen in UTF-8.

  • Wenn Ihr Markierungsschema für mehrere Services und Ressourcen verwendet wird, denken Sie daran, dass andere Services möglicherweise Einschränkungen für zulässige Zeichen haben. Allgemein erlaubte Zeichen sind: Buchstaben, Zahlen und Leerzeichen, die in UTF-8 darstellbar sind, und die folgenden Sonderzeichen: + - = . _ : / @.

  • Bei Tag-Schlüsseln und -Werten muss die Groß-/Kleinschreibung beachtet werden.

  • Nicht verwendenaws:,AWS:oder Kombinationen aus Groß- und Kleinbuchstaben aus diesen als Präfix für Schlüssel, da sie für die AWS-Verwendung reserviert sind. Sie können keine Tag-Schlüssel oder mit diesem Präfix bearbeiten oder löschen. Werte können dieses Präfix haben. Wenn ein Tag-Wert hatawsals Präfix, aber der Schlüssel nicht, betrachtet Forecast es als Benutzer-Tag und zählt auf das Limit von 50 Tags. Tags mit nur dem key prefix vonawsNicht als Ihre Tags pro Ressourcenlimit angerechnet.

Type: Array vonTagObjekte

Array-Mitglieder: Minimale Anzahl der Elemente: 0. Die maximale Anzahl beträgt 200 Elemente.

: Erforderlich Nein

TrainingParameters

Die Hyperparameter, die für das Modelltraining außer Kraft gesetzt werden sollen. Die Hyperparameter, die Sie überschreiben können, sind in den einzelnen Algorithmen aufgeführt. Eine Liste der unterstützten Algorithmen finden Sie unterAmazon-Prognosealgorithmenaus.

Type: Zeichenfolge-zu-Zeichenfolge-Zuweisung

Map-Einträge: Minimale Anzahl der Elemente: 0. Die maximale Anzahl beträgt 100 Elemente.

Einschränkungen für die Schlüssellänge: Maximale Länge beträgt 256 Zeichen.

Schlüssel-Muster: ^[a-zA-Z0-9\-\_\.\/\[\]\,\\]+$

Einschränkungen für Wertlänge: Maximale Länge beträgt 256 Zeichen.

Wertmuster:^[a-zA-Z0-9\-\_\.\/\[\]\,\"\\\s]+$

: Erforderlich Nein

Antwortsyntax

{ "PredictorArn": "string" }

Antwortelemente

Wenn die Aktion erfolgreich ist, sendet der Service eine HTTP 200-Antwort zurück.

Die folgenden Daten werden vom Service im JSON-Format zurückgegeben.

PredictorArn

Der Amazon-Ressourcenname (ARN) des Predictors.

Type: String (Zeichenfolge)

Längenbeschränkungen: Maximale Länge beträgt 256 Zeichen.

Pattern: ^[a-zA-Z0-9\-\_\.\/\:]+$

Fehler

InvalidInputException

Wir können die Anfrage nicht bearbeiten, da sie einen ungültigen Wert oder einen Wert enthält, der den gültigen Bereich überschreitet.

HTTP-Statuscode: 400

LimitExceededException

Das Limit für die Anzahl an Ressourcen pro Konto wurde überschritten.

HTTP-Statuscode: 400

ResourceAlreadyExistsException

Es gibt bereits eine Ressource mit diesem Namen. Geben Sie einen anderen Namen ein.

HTTP-Statuscode: 400

ResourceInUseException

Die angegebene Ressource wird verwendet.

HTTP-Statuscode: 400

ResourceNotFoundException

Wir können keine Ressource mit diesem Amazon-Ressourcennamen (ARN) finden. Überprüfen Sie den ARN und versuchen Sie es erneut.

HTTP-Statuscode: 400

Weitere Informationen finden Sie unter:

Weitere Informationen zur Verwendung dieser API in einem der sprachspezifischen AWS-SDKs finden Sie unter: