CreatePredictor

Anmerkung

Durch diesen Vorgang wird ein veralteter Prädiktor erstellt, der nicht alle von Amazon Forecast bereitgestellten Prädiktorfunktionen enthält. Um einen Prädiktor zu erstellen, der mit allen Aspekten von Forecast kompatibel ist, verwenden SieCreateAutoPredictor.

Erstellt einen Amazon-Forecast-Prädiktor.

Geben Sie in der Anfrage eine Datensatzgruppe an und geben Sie entweder einen Algorithmus an oder lassen Sie Amazon Forecast mithilfe von AutoML einen Algorithmus für Sie auswählen. Wenn Sie einen Algorithmus angeben, können Sie auch algorithmusspezifische Hyperparameter überschreiben.

Amazon Forecast verwendet den Algorithmus, um einen Prädiktor anhand der neuesten Version der Datensätze in der angegebenen Datensatzgruppe zu trainieren. Anschließend können Sie mithilfe der CreateForecast Operation eine Prognose erstellen.

Verwenden Sie zum Anzeigen der Auswertungsmetriken die Operation GetAccuracyMetrics.

Sie können eine Featurisierungskonfiguration angeben, um die Datenfelder im TARGET_TIME_SERIES Datensatz auszufüllen und zu aggregieren, um das Modelltraining zu verbessern. Weitere Informationen finden Sie unter FeaturizationConfig.

CreatePredictorÜberprüft für RELATED_TIME_SERIES-Datensätze, ob die bei der Erstellung des Datensatzes DataFrequency angegebene Menge mit der übereinstimmt. ForecastFrequency Für TARGET_TIME_SERIES-Datensätze gilt diese Einschränkung nicht. Amazon Forecast überprüft auch das Trennzeichen und das Zeitstempelformat. Weitere Informationen finden Sie unter Datensätze importieren.

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

AutoML

Wenn Sie möchten, dass Amazon Forecast jeden Algorithmus auswertet und den Algorithmus auswählt, der das minimiertobjective function, setzen Sie PerformAutoML auftrue. Der objective function ist definiert als der Mittelwert der gewichteten Verluste gegenüber den Prognosetypen. Standardmäßig sind dies die p10-, p50- und p90-Quantilverluste. Weitere Informationen finden Sie unter EvaluationResult.

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

• AlgorithmArn

• HPOConfig

• PerformHPO

• TrainingParameters

Um eine Liste aller Prädiktoren abzurufen, verwenden Sie die ListPredictors -Operation.

Anmerkung

Bevor Sie den Prädiktor verwenden können, um eine Prognose zu erstellen, muss der Wert Status des Prädiktors seinACTIVE, was bedeutet, dass das Training abgeschlossen ist. Verwenden Sie zum Abrufen des DescribePredictor Status.

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 für das Modelltraining zu verwendenden Algorithmus. Erforderlich, wenn nicht auf gesetzt PerformAutoML isttrue.

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

Typ: Zeichenfolge

Längenbeschränkungen: Maximale Länge von 256.

Pattern: arn:([a-z\d-]+):forecast:.*:.*:.+

Erforderlich: Nein

AutoMLOverrideStrategy

Anmerkung

Die LatencyOptimized AutoML-Override-Strategie ist nur in der privaten Beta verfügbar. Wenden Sie sich an den AWS Support oder Ihren Account Manager, um mehr über Zugriffsrechte zu erfahren.

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

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

Typ: Zeichenfolge

Zulässige Werte: LatencyOptimized | AccuracyOptimized

Required: No

EncryptionConfig

Ein AWS Key Management Service (KMS) -Schlüssel und die AWS Identity and Access Management (IAM) -Rolle, die Amazon Forecast annehmen kann, um auf den Schlüssel zuzugreifen.

Typ: EncryptionConfig Objekt

Required: No

EvaluationParameters

Wird verwendet, um die Standardauswertungsparameter des angegebenen Algorithmus zu überschreiben. Amazon Forecast bewertet einen Prädiktor, indem es einen Datensatz in Trainingsdaten und Testdaten aufteilt. Die Bewertungsparameter definieren, wie der Split durchgeführt wird und wie viele Iterationen durchgeführt werden.

Typ: EvaluationParameters Objekt

Required: No

FeaturizationConfig

Die Featurisierungskonfiguration.

Typ: FeaturizationConfig Objekt

Erforderlich: Ja

ForecastHorizon

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

Wenn Sie beispielsweise einen Datensatz für die tägliche Datenerfassung konfigurieren (mithilfe des DataFrequency Parameters der CreateDataset Operation) und den Prognosehorizont auf 10 festlegen, gibt das Modell Vorhersagen für 10 Tage zurück.

Der maximale Prognosehorizont ist der kleinere von 500 Zeitschritten oder 1/3 der Länge des TARGET_TIME_SERIES-Datensatzes.

Typ: Ganzzahl

Erforderlich: Ja

ForecastTypes

Gibt die Prognosetypen an, die zum Trainieren eines Prädiktors verwendet werden. Sie können bis zu fünf Prognosetypen angeben. Bei den Prognosetypen kann es sich um Quantile von 0,01 bis 0,99 handeln, und zwar in Schritten von 0,01 oder höher. Sie können den Prognosemittelwert auch angebenmean.

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

Typ: Zeichenfolge-Array

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

Längenbeschränkungen: Minimale Länge von 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 spezifizieren, welche Hyperparameter die Hyperparameter-Optimierung (HPO) unterstützen. Weitere Informationen finden Sie unter Amazon-Forecast-Algorithmen.

Wenn Sie das HPOConfig Objekt eingeschlossen haben, müssen Sie PerformHPO es auf True setzen.

Typ: HyperParameterTuningJobConfig Objekt

Required: No

InputDataConfig

Beschreibt die Datensatz-Gruppe, die Daten enthält, die zum Trainieren des Prädiktors verwendet werden sollen.

Typ: InputDataConfig Objekt

Erforderlich: Ja

OptimizationMetric

Die zur Optimierung des Prädiktors verwendete Genauigkeitsmetrik. Der Standardwert ist AverageWeightedQuantileLoss.

Typ: Zeichenfolge

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

Required: No

PerformAutoML

Ob AutoML ausgeführt werden soll. Wenn Amazon Forecast AutoML ausführt, bewertet es die bereitgestellten Algorithmen 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.

Stellen PerformAutoML Sie eintrue, dass Amazon Forecast AutoML ausführt. Dies ist eine gute Option, wenn du dir nicht sicher bist, welcher Algorithmus für deine Trainingsdaten geeignet ist. In diesem Fall PerformHPO muss false sein.

Typ: Boolesch

Required: No

PerformHPO

Gibt an, ob Hyperparameter-Optimierung (HPO) durchgeführt werden soll. HPO findet optimale Hyperparameterwerte für Ihre Trainingsdaten. Der Vorgang der HPO-Ausführung wird als Ausführung eines Hyperparameter-Tuning-Jobs bezeichnet.

Der Standardwert ist false. In diesem Fall verwendet Amazon Forecast die standardmäßigen Hyperparameterwerte des ausgewählten Algorithmus.

Um die Standardwerte zu überschreiben, legen Sie PerformHPO das HyperParameterTuningJobConfig Objekt auf fest true und geben Sie es optional an. Der Tuning-Job spezifiziert eine zu optimierende Metrik, welche Hyperparameter an der Optimierung beteiligt sind, und den gültigen Bereich für jeden einstellbaren Hyperparameter. In diesem Fall müssen Sie einen Algorithmus angeben und PerformAutoML müssen falsch sein.

Die folgenden Algorithmen unterstützen HPO:

• DeepAR+

• CNN-QR

Typ: Boolesch

Required: No

PredictorName

Der Name für den Prädiktor.

Typ: Zeichenfolge

Längenbeschränkungen: Minimale Länge von 1. Maximale Länge beträgt 63 Zeichen.

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

Erforderlich: Ja

Tags

Die optionalen Metadaten, die Sie auf den Prädiktor 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 von Tags pro Ressource: 50.

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

• Die maximale Schlüssellänge: 128 Unicode-Zeichen in UTF-8.

• Die 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- und Kleinschreibung beachtet werden.

• Verwenden aws: Sie weder noch oder anderen Kombinationen aus Groß- und Kleinbuchstaben als Präfix für Schlüssel, da sie für die AWS -Verwendung reserviert sind. AWS: Sie können keine Tag-Schlüssel mit diesem Präfix bearbeiten oder löschen. Werte können dieses Präfix haben. Wenn ein Tag-Wert ein Präfix hataws, der Schlüssel jedoch nicht, betrachtet Forecast ihn als Benutzer-Tag und zählt auf das Limit von 50 Tags an. Tags mit dem key prefix von werden aws nicht als Ihre Tags pro Ressourcenlimit angerechnet.

Typ: Array von Tag-Objekten

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

Required: No

TrainingParameters

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

Typ: Abbildung einer Zeichenfolge auf eine Zeichenfolge

Karteneinträge: Die Mindestanzahl von 0. Die maximale Anzahl beträgt 100 Elemente.

Die maximale Länge von 256.

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

Wertlängenbeschränkungen: Maximale Länge von 256.

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

Required: No

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 Prädiktors.

Typ: Zeichenfolge

Längenbeschränkungen: Maximale Länge von 256.

Pattern: arn:([a-z\d-]+):forecast:.*:.*:.+

Fehler

InvalidInputException

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

HTTP Status Code: 400

LimitExceededException

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

HTTP Status Code: 400

ResourceAlreadyExistsException

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

HTTP Status Code: 400

ResourceInUseException

Die angegebene Ressource wird verwendet.

HTTP Status Code: 400

ResourceNotFoundException

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

HTTP Status Code: 400

Weitere Informationen finden Sie unter:

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

• AWS-Befehlszeilenschnittstelle

• AWS-SDK für .NET

• AWS-SDK für C++

• AWS-SDK für Go

• AWS-SDK für Java V2

• AWSSDK für JavaScript

• AWS SDK für PHP V3

• AWS SDK für Python

• AWS SDK für Ruby V3