Amazon Forecast 不再提供給新客戶。Amazon Forecast 的現有客戶可以繼續正常使用該服務。了解更多」
本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
開始使用 (Python 筆記本)
注意
如需使用 Python 筆記本的完整教學清單,請參閱 Amazon Forecast Github 範例
若要開始使用 Amazon Forecast API 搭配 Python 筆記本,請參閱入門教學課程
如需特定程序的基本教學課程,請參閱下列 Python 筆記本:
-
準備資料
-準備資料集、建立資料集群組、定義結構定義,以及匯入資料集群組。 -
建立 Forecast 值-針
對匯入「預測」資料集的資料訓練預測值。 -
評估預測值
-取得預測、視覺化預測並比較結果。 -
重新訓練預測值
-使用更新的資料重新訓練現有的預測值。 -
升級至 AutoPredictor-將
舊版預測值升級至 AutoPredictor. -
清理
-刪除教學課程期間建立的資料集群組、預測值和預測。
若要使用 AutoML 重複使用入門教學課程,請參閱 AutoML 入門
進階課程
如需詳細資訊,請參閱進階教學課程:
-
項目層級說明-
瞭解資料集屬性如何影響特定時間序列和時間點的預測。 -
比較多個模型
-使用先知,ETS 和 DeepAR + 創建預測值,並通過可視化結果比較其性能。 -
冷啟動預測
-使用項目中繼資料和 DeepAR + 演算法來預測冷啟動案例 (只有很少或沒有歷史資料時)。 -
合併相關的時間序列資料集
-使用相關的時間序列資料集來提高模型的準確性。 -
合併項目中繼資料
-使用項目中繼資料來提高模型的準確性。 -
使用天氣指數
-在訓練預測值時,使用天氣指數來納入歷史和預測的天氣資訊。 -
執行假設分析
-探索不同的訂價案例,並評估其對需求的影響。 -
評估項目層級的準確
性-匯出回溯測試指標和預測,並評估預測值的項目層級效能。