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 範例頁面。

若要開始使用 Amazon Forecast API 搭配 Python 筆記本，請參閱入門教學課程。本教程將引導您從頭到尾完成 Forecast 的核心步驟。

如需特定程序的基本教學課程，請參閱下列 Python 筆記本：

1. 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。

2. 建立 Forecast 值-針對匯入「預測」資料集的資料訓練預測值。

3. 評估預測值-取得預測、視覺化預測並比較結果。

4. 重新訓練預測值-使用更新的資料重新訓練現有的預測值。

5. 升級至 AutoPredictor-將舊版預測值升級至 AutoPredictor.

6. 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。