入门（Python 笔记本）

注意

有关使用 Python 笔记本的教程完整列表，请参阅 Amazon Forecast Github 示例页面。

要开始在 Python 笔记本上使用 Amazon Forecast API，请参阅入门教程。本教程将指导您从头到尾完成 Forecast 的核心步骤。

有关特定流程的基本教程，请参阅以下 Python 笔记本：

1. 准备数据 - 准备数据集、创建数据集组、定义架构和导入数据集组。

2. 构建预测器 - 根据导入 Forecast 数据集的数据训练预测器。

3. 评估预测器 - 获取预测、可视化预测并比较结果。

4. 重新训练预测器 - 使用更新的数据重新训练现有预测器。

5. 升级至 AutoPredictor - 将传统预测器升级至 AutoPredictor。

6. 清除 - 删除在教程中创建的数据集组、预测器和预测。

要重复使用 AutoML 的入门教程，请参阅 AutoML 入门。

高级教程

有关更多高级教程，请参阅以下 Python 笔记本：

• 项目级别的可解释性 - 了解数据集属性如何影响特定时间序列和时间点的预测。

• 比较多个模型 - 使用 Prophet、ETS 和 DeepAR+ 创建预测器，并通过可视化结果来比较它们的性能。

• 冷启动预测 - 使用项目元数据和 DeepAR+ 算法预测冷启动情景（历史数据很少或根本没有）。

• 合并相关时间序列数据集 - 使用相关时间序列数据集来提高模型的准确性。

• 合并项目元数据 - 使用项目元数据来提高模型的准确性。

• 使用天气指数 - 在训练预测器时，使用天气指数来合并历史和预计的天气信息。

• 执行假设分析 - 探索不同的定价情景并评估其对需求的影响。

• 评估项目级别的准确性 - 导出回测指标和预测，并评估预测器的项目级性能。