Erste Schritte

Gehen Sie wie folgt vor, um mit der Verwendung von Amazon Forecast zu beginnen.

• Erstellen Sie einen Forecast-Datensatz und importieren Sie Trainingsdaten.

• Erstellen Sie einen Prognose-Prädiktor, den Sie verwenden, um Prognosen auf der Grundlage Ihrer Zeitreihendaten zu generieren. Forecast wendet die optimale Kombination von Algorithmen auf jede Zeitreihe in Ihren Datensätzen an.

• Erstellen Sie eine Prognose.

In dieser Übung verwenden Sie eine modifizierte Version eines öffentlich verfügbaren Datensatzes zum Stromverbrauch, um einen Prädiktor zu trainieren. Weitere Informationen finden Sie unter DatensatzElectricityLoadDiagrams 2011—2014. Nachfolgend sehen Sie einige Beispielzeilen aus dem Dataset:

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 

Für diese Übung verwenden Sie das Dataset, um einen Predictor zu schulen und dann den stündlichen Stromverbrauch pro Kunde zu prognostizieren.

Sie können für diese Übung entweder die Forecast-Konsole oder dieAWS Command Line Interface (AWS CLI) verwenden. Achten Sie auf die Standardregionen der Amazon Forecast-KonsoleAWS CLI, die und die Amazon Forecast SDKs, da Amazon Forecast-Ressourcen nicht regionsübergreifend gemeinsam genutzt werden.

Wichtig

Bevor Sie beginnen, vergewissern Sie sich, dass Sie eine habenAWS-Konto und dass die installiert habenAWS CLI. Weitere Informationen finden Sie unter Einrichten. Wir empfehlen auch, das Kapitel Funktionsweise von Amazon Forecast zu lesen.

Themen

• Vorbereiten von Eingabedaten
• Erste Schritte (Konsole)
• Erste Schritte (AWS CLI)
• Erste Schritte (Python-Notebooks)
• Bereinigen von Ressourcen

Vorbereiten von Eingabedaten

Unabhängig davon, ob Sie die Amazon Forecast-Konsole oder dieAWS Command Line Interface (AWS CLI) verwenden, um ein Prognoseprojekt einzurichten, müssen Sie Ihre Eingabedaten einrichten. Gehen Sie wie folgt vor, um Ihre Daten vorzubereiten:

• Laden Sie Trainingsdaten auf Ihren Computer herunter und lädt diese in einen Amazon Simple Storage Service (Amazon S3) -Bucket in Ihrem hochAWS-Konto. Um Ihre Daten in einen Amazon Forecast Forecrecast-Datasleistung zu importieren, müssen Sie diese in einem Amazon-S3-Bucket speichern.

• Erstellen Sie eineAWS Identity and Access Management (IAM-) Rolle. Sie erteilen Amazon Forecast die Berechtigung, mit der IAM-Rolle auf Ihren S3-Bucket zuzugreifen. Weitere Informationen zu IAM-Rollen finden Sie unter IAM-Rollen im IAM-Benutzerhandbuch.

So bereiten Sie Schulungsdaten vor

1. Laden Sie die ZIP-Datei electricityusagedata.zip herunter.

   Für diese Übung verwenden Sie eine modifizierte Version des Datensatzes zum individuellen Stromverbrauch von Haushalten. (Dua, D. und Karra Taniskidou, E. (2017). UCI-Repository für Machine Learning [http://archive.ics.uci.edu/ml]. Irvine, CA: Universität von Kalifornien, Fakultät für Information und Informatik.) Wir aggregieren die Nutzungsdaten stündlich.

2. Entpacken Sie den Inhalt und speichern Sie die Datei lokal als electricityusagedata.csv.

3. Laden Sie die Datendatei in einen S3-Bucket hoch.

   step-by-step Eine Anleitung dazu finden Sie unter Dateien und Ordner mithilfe von Drag & Drop hochladen im Amazon Simple Storage Service-Benutzerhandbuch.

4. Erstellen Sie eine IAM-Rolle.

   Wenn Sie die mit mit inAWS CLI folgenden Einstellungen nutzen möchten, müssen Sie eine IAM-Rolle erstellen. Wenn Sie die Konsole verwenden, können Sie die Rolle automatisch erstellen lassen. step-by-stepEine Anleitung dazu finden Sie unterEinrichten von Berechtigungen für Amazon Forecast.

Nachdem Sie die Daten auf Amazon S3 hochgeladen haben, können Sie die Amazon Forecast-Konsole oder die verwenden,AWS CLI um Trainingsdaten zu importieren, einen Prädiktor zu erstellen, eine Prognose zu generieren und die Prognose anzusehen.

• Erste Schritte (Konsole)

• Erste Schritte (AWS CLI)

Bereinigen von Ressourcen

Löschen Sie nach Abschluss der Übungen im Rahmen der ersten Schritte die erstellten Ressourcen, um unnötige Gebühren zu vermeiden. Verwenden Sie zum Löschen der Ressourcen entweder die Amazon Forecast-Konsole oder dieDelete APIs aus den SDKs oder dieAWS Command Line Interface (AWS CLI). Verwenden Sie beispielsweise die API DeleteDataset zum Löschen eines Datasets.

Um eine Ressource zu löschen, muss ihr Status ACTIVE, CREATE_FAILED oder UPDATE_FAILED lauten. Überprüfen Sie den Status mithilfe der Describe-APIs, z. B. DescribeDataset.

Einige Ressourcen müssen vor anderen gelöscht werden, wie in der folgenden Tabelle gezeigt. Dieser Vorgang kann einige Zeit in Anspruch nehmen.

Um die hochgeladenen Schulungsdaten zu löschen, electricityusagedata.csv, siehe Wie werden Objekte aus einem S3-Bucket gelöscht?

Zu löschende Ressource	Zuerst löschen	Hinweise
ForecastExportJob
Forecast		Eine Prognose, die gerade exportiert wird, kann nicht gelöscht werden. Eine bereits gelöschte Prognose kann nicht mehr abgefragt werden.
Predictor	Alle zugeordneten Prognosen.
DatasetImportJob		Kann nicht gelöscht werden.
Dataset		Alle DatasetImportJobs, die auf das Dataset abzielen, werden ebenfalls gelöscht. Ein Dataset, das von einem Prädiktor verwendet wird, kann nicht gelöscht werden.
DatasetSchema	Alle Datensätze, die auf das Schema verweisen.
DatasetGroup	Alle zugeordneten Prädiktoren Alle zugeordneten Prognosen. Alle Datasets in der Dataset-Gruppe.	Eine DatasetGroup, die ein Dataset enthält, davon von einem Prädiktor verwendet wird, kann nicht gelöscht werden.