Introducción

Para empezar a utilizar Amazon Forecast, debe hacer lo siguiente.

• Cree un conjunto de datos de Forecast e importe datos de entrenamiento.

• Cree un predictor de Forecast que se utilice para generar previsiones basadas en los datos de serie temporal. Forecast aplica la combinación óptima de algoritmos a cada serie temporal de sus conjuntos de datos.

• Generar una previsión.

En este ejercicio, se utiliza una versión modificada de un conjunto de datos de uso de electricidad disponible públicamente para entrenar un predictor. Para obtener más información, consulte ElectricityLoadDiagrams20112014 Data Set. A continuación se incluyen ejemplos de filas del conjunto de datos:

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 

En este ejercicio se va a utilizar el conjunto de datos para entrenar un predictor y, a continuación, predecir el uso de electricidad por hora y por cliente.

Puede utilizar la consola de Forecast o AWS Command Line Interface (AWS CLI) para este ejercicio. Preste atención a las regiones predeterminadas de la consola de Amazon Forecast, la AWS CLI y los SDK de Amazon Forecast, ya que los recursos de Amazon Forecast no se comparten entre regiones.

importante

Antes de comenzar, asegúrese de que tiene una Cuenta de AWS y de que ha instalado la AWS CLI. Para obtener más información, consulte Configuración. También le recomendamos que revise Funcionamiento de Amazon Forecast.

Temas

• Preparar datos de entrada
• Introducción (consola)
• Introducción (AWS CLI)
• Introducción (Cuadernos de Python)
• Eliminación de los recursos

Preparar datos de entrada

Independientemente de si se utiliza la consola de Amazon Forecast o la AWS Command Line Interface (AWS CLI) para configurar un proyecto de previsión, debe configurar los datos de entrada. Para preparar los datos, realice lo siguiente:

• Descargue los datos de entrenamiento a su ordenador y cárguelos en un bucket de Amazon Simple Storage Service (Amazon S3) en su Cuenta de AWS. Para importar los datos en un conjunto de datos de Amazon Forecast, debe almacenarlos en un bucket de Amazon S3.

• Cree un rol (IAM) de AWS Identity and Access Management. Otorgue permiso a Amazon Forecast para acceder a su bucket de S3 con el rol de IAM. Para obtener más información acerca de los roles de IAM, consulte Roles de IAM en la guía del usuario de IAM.

Para preparar los datos de entrenamiento

1. Descargue el archivo zip, electricityusagedata.zip.

   En este ejercicio se va a utilizar una versión modificada del conjunto de datos de consumo eléctrico doméstico individual. (Dua, D. and Karra Taniskidou, E. (2017). UCI Machine Learning Repository [http://archive.ics.uci.edu/ml]. Irvine, CA: University of California, School of Information and Computer Science). Agregamos los datos de uso cada hora.

2. Descomprima el contenido y guárdelo localmente como electricityusagedata.csv.

3. Cargue el archivo de datos en un bucket de S3.

   Para obtener instrucciones paso a paso, consulte Carga de archivos y carpetas con la función arrastrar y soltar en la Guía del usuario de Amazon Simple Storage Service.

4. Cree un rol de IAM.

   Si desea utilizar la AWS CLI para el ejercicio de introducción, debe crear un rol de IAM. Si utiliza la consola, puede hacer que cree el rol por usted. Para obtener instrucciones paso a paso, consulte Configuración de permisos para Amazon Forecast.

Cuando termine de cargar los datos en Amazon S3, podrá utilizar la consola Amazon Forecast o la AWS CLI para importar datos de entrenamiento, crear un predictor, generar una previsión y verla.

• Introducción (consola)

• Introducción (AWS CLI)

Eliminación de los recursos

Para evitar incurrir en gastos innecesarios, elimine los recursos que ha creado cuando termine el ejercicio de introducción. Para eliminar los recursos, utilice la consola de Amazon Forecast o las API de Delete de los SDK o la AWS Command Line Interface (AWS CLI). Por ejemplo, utilice la API DeleteDataset para eliminar un conjunto de datos.

Para eliminar un recurso, su estado debe estar en ACTIVE, CREATE_FAILED o UPDATE_FAILED. Compruebe el estado utilizando las API Describe; por ejemplo, DescribeDataset.

Algunos recursos deben eliminarse antes que otros, tal y como se muestra en la siguiente tabla. Este proceso puede tardar algún tiempo.

Para eliminar los datos de entrenamiento que cargó, electricityusagedata.csv, consulte ¿Cómo se eliminan objetos de un bucket de S3?

Recurso para eliminar	Eliminar esto primero	Notas
ForecastExportJob
Forecast		No se puede eliminar una previsión mientras se está exportando. Una vez que elimine una previsión, ya no podrá consultarla.
Predictor	Todas las previsiones asociadas.
DatasetImportJob		No se puede eliminar.
Dataset		También se eliminan todos los objetos DatasetImportJob que tienen como destino el conjunto de datos. No se puede eliminar una Dataset que utilice un predictor.
DatasetSchema	Todos los conjuntos de datos que hagan referencia al esquema.
DatasetGroup	Todos los predictores asociados Todas las previsiones asociadas. Todos los conjuntos de datos del grupo de conjuntos de datos.	No se puede eliminar un DatasetGroup que contenga un Dataset utilizado por un predictor.