Erste Schritte - 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.

Erste Schritte

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

  • Erstellen Sie ein Forecast-Dataset und importieren Sie Schulungsdaten.

  • Erstellen Sie einen Prognoseprädiktor, mit dem Sie Prognosen basierend auf Ihren Zeitreihendaten 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 Datasets für Stromverbrauch, um einen Predictor zu schulen. Weitere Informationen finden Sie unter ElectricityLoadDiagrams20112014 Data Set. 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 entweder die Forecast-Konsole oder dieAWS Command Line Interface(AWS CLI) für diese Übung. Achten Sie auf die Standardregionen der Amazon Forecast-Konsole,AWS CLIund die Amazon Forecast SDKs, da Amazon Forecast Ressourcen nicht über Regionen verteilt werden.

Wichtig

Stellen Sie zunächst sicher, dass Sie ein AWS-Konto erstellt und die AWS CLI installiert haben. Weitere Informationen finden Sie unter Einrichten. Wir empfehlen auch, das Kapitel Funktionsweise von Amazon Forecast zu lesen.

Vorbereiten von Eingabedaten

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

  • Laden Sie Schulungsdaten auf Ihren Computer herunter und laden Sie sie in einen Amazon Simple Storage Service (Amazon S3) -Bucket in Ihrem AWS-Konto hoch. Um Ihre Daten in ein Amazon Forecast-Dataset importieren zu können, müssen Sie sie in einem Amazon S3 S3-Bucket speichern.

  • Erstellen einesAWS Identity and Access Management(IAM) -Rolle. Sie erteilen Amazon Forecast mit der IAM-Rolle die Berechtigung für den Zugriff auf Ihren S3-Bucket. 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 Datasets zum individuellen Stromverbrauch pro Haushalt. (Dua, D. und Karra Taniskidou, E. (2017). UCI Machine Learning Repository [http://archive.ics.uci.edu/ml]. Irvine, Kalifornien: University of California, School of Information and Computer Science.) 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.

    Für step-by-step Detaillierte Anweisungen finden Sie unterHochladen von Dateien und Ordnern per Drag & DropimBenutzerhandbuch für Amazon Simple Storage Service.

  4. Erstellen Sie eine IAM-Rolle.

    Wenn Sie dieAWS CLIFür die Einstiegsübung müssen Sie eine IAM-Rolle erstellen. Wenn Sie die Konsole verwenden, können Sie die Rolle automatisch erstellen lassen. Schrittweise Anleitungen hierzu finden Sie unter Einrichten von Berechtigungen für Amazon Forecast.

Verwenden Sie jetzt die Amazon Forecast-Konsole oder die AWS CLI, um einen Predictor zu schulen, eine Prognose zu erstellen und diese Prognose anzuzeigen.

Bereinigen von Ressourcen

Löschen Sie nach Abschluss der Übungen im Rahmen der ersten Schritte die erstellten Ressourcen, um unnötige Gebühren zu vermeiden. Um die Ressourcen zu löschen, verwenden Sie entweder die Amazon Forecast-Konsole oder dieDeleteAPIs von den SDKs oder derAWS Command Line Interface(AWS CLI) enthalten. 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.