Démarrer

Pour commencer à utiliser Amazon Forecast, vous devez procéder comme suit :

• Créez un jeu de données de Forecast et importez des données d'entraînement.

• Créez un prédicteur de Forecast, que vous utilisez pour générer des prévisions basées sur les données de vos séries chronologiques. Forecast applique la combinaison optimale d'algorithmes à chaque série chronologique de vos ensembles de données.

• Générez une prévision.

Dans cet exercice, vous utilisez une version modifiée d'un ensemble de données de consommation d'électricité accessible au public pour former un prédicteur. Pour plus d'informations, voir Ensemble de donnéesElectricityLoadDiagrams 2011-2014. Les exemples suivants sont des lignes d'exemple d'ensembles de données :

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 

Dans le cadre de cet exercice, vous utilisez l'ensemble de données pour former un prédicteur, puis donner une prévision sur la consommation d'électricité à l'heure par client.

Vous pouvez utiliser la console Forecast ou laAWS Command Line Interface (AWS CLI) pour cet exercice. Faites attention aux régions par défaut de la console Amazon ForecastAWS CLI, du et des SDK Amazon Forecast, car les ressources Amazon Forecast ne sont pas partagées entre les régions.

Important

Avant de commencer, assurez-vous d'avoir unCompte AWS et d'avoir installé leAWS CLI. Pour plus d'informations, consultez Configuration. Nous vous recommandons également de revoir Fonctionnement d'Amazon Forecast.

Rubriques

• Préparation des données d'entrée
• Démarrage (console)
• Démarrage (AWS CLI)
• Mise en route (blocs-notes Python)
• Nettoyage des ressources

Préparation des données d'entrée

Que vous utilisiez la console Amazon Forecast ou laAWS Command Line Interface (AWS CLI) pour configurer un projet de prévision, vous devez configurer vos données d'entrée. Pour préparer vos données, vous effectuez les opérations suivantes :

• Téléchargez les données de formation sur votre ordinateur et les charge dans un compartiment Amazon Simple Storage Service (Amazon S3) de votreCompte AWS. Pour importer vos données dans un jeu de données Amazon Forecast, vous devez les stocker dans un compartiment Amazon S3.

• Créez un rôleAWS Identity and Access Management (IAM). Vous autorisez Amazon Forecast à accéder à votre compartiment S3 avec le rôle IAM. Pour plus d'informations sur les rôles IAM, consultez Rôles IAM dans le Guide de l'utilisateur IAM.

Pour préparer des données de formation

1. Téléchargez le fichier zip, electricityusagedata.zip.

   Pour cet exercice, vous utilisez une version modifiée de l'ensemble de données de consommation électrique des ménages individuels. (Dua, D. et Karra Taniskidou, E. (2017). Référentiel Machine Learning UCI [http://archive.ics.uci.edu/ml]. Irvine, Californie : Université de Californie, École d'information et d'informatique.) Nous regroupons les données de consommation à l'heure.

2. Décompressez le contenu et enregistrez-le localement en tant que electricityusagedata.csv.

3. Chargez le fichier de données sur un compartiment S3.

   Pour step-by-step les instructions, veuillez consulter la rubrique Chargement de fichiers et de dossiers par glisser-déposer dans le Guide de l'utilisateur Amazon Simple Storage Service.

4. Créez un rôle IAM.

   Si vous souhaitez les utiliserAWS CLI pour l'exercice de démarrage, vous devez créer un rôle IAM. Si vous utilisez la console, elle peut créer le rôle à votre place. Pour obtenir des step-by-step instructions, reportez-vous à la sectionConfiguration d'autorisations pour Amazon Forecast.

Une fois que vous avez terminé de télécharger les données sur Amazon S3, vous êtes prêt à utiliser la console Amazon Forecast ouAWS CLI à importer des données d'entraînement, créer un prédicteur, générer une prévision et consulter les prévisions.

• Démarrage (console)

• Démarrage (AWS CLI)

Nettoyage des ressources

Pour éviter des frais inutiles, supprimez les ressources que vous avez créées lorsque vous avez terminé l'exercice de mise en route. Pour supprimer les ressources, utilisez la console Amazon Forecast ou lesDelete API des SDK ou duAWS Command Line Interface (AWS CLI). Par exemple, utilisez l'API DeleteDataset pour supprimer un ensemble de données.

Pour supprimer une ressource, son statut doit être ACTIVE, CREATE_FAILED ou UPDATE_FAILED. Vérifiez le statut à l'aide des API Describe, par exemple, DescribeDataset.

Certaines ressources doivent être supprimées avant d'autres, comme illustré dans le tableau suivant. Ce processus peut prendre un certain temps.

Pour supprimer les données de formation que vous avez chargées, electricityusagedata.csv, consultez Comment supprimer des objets d'un compartiment S3 ?.

Ressource à supprimer	Supprimer en premier	Remarques
ForecastExportJob
Forecast		Vous ne pouvez pas supprimer une prévision pendant son exportation. Après la suppression d'une prévision, vous ne pouvez plus interroger la prévision.
Predictor	Toutes les prévisions associées.
DatasetImportJob		Ne peut pas être supprimée.
Dataset		Tous les DatasetImportJob qui ciblent l'ensemble de données sont également supprimés. Vous ne pouvez pas supprimer un Dataset qui est utilisé par un prédicteur.
DatasetSchema	Tous les ensembles de données qui référencent le schéma.
DatasetGroup	Tous les prédicteurs associés Toutes les prévisions associées. Tous les ensembles de données du groupe d'ensembles de données.	Vous ne pouvez pas supprimer un DatasetGroup qui contient un Dataset utilisé par un prédicteur.