Amazon Forecast non è più disponibile per i nuovi clienti. I clienti esistenti di Amazon Forecast possono continuare a utilizzare il servizio normalmente. [Scopri di più»](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Algoritmo Prophet
[Prophet](https://facebook.github.io/prophet/) è un modello di serie temporali strutturali locali basate sul modello bayesiano. L'algoritmo Amazon Forecast Prophet utilizza la [classe Prophet](https://facebook.github.io/prophet/docs/quick_start.html#python-ap) dell'implementazione Python di Prophet.
## Funzionamento di Prophet
Prophet è molto utile per i set di dati che:
+ Contengono un periodo di tempo esteso (mesi o anni) di osservazioni storiche dettagliate (oraria, giornaliera o settimanale)
+ Dispongono di più stagionalità forti
+ Includono eventi importanti, ma irregolari, precedentemente noti
+ Non contengono alcuni punti dati o hanno outlier di grandi dimensioni
+ Mostrano trend di crescita non lineari che si avvicinano a un limite.
Prophet è un modello di regressione additivo con un trend della curva di crescita della logistica o lineare a tratti. Include un componente stagionale annuale modellato utilizzando serie Fourier e un componente stagionale settimanale modellato utilizzando variabili fittizie.
Per ulteriori informazioni, consulta [Prophet: previsioni su larga scala](https://research.facebook.com/blog/2017/2/prophet-forecasting-at-scale/).
## Iperparametri Prophet e serie temporali correlate
Amazon Forecast utilizza gli [iperparametri](https://facebook.github.io/prophet/docs/quick_start.html#python-ap) predefiniti di Prophet. Prophet supporta anche le serie temporali correlate come funzionalità, fornite ad Amazon Forecast nel file CSV delle serie temporali correlato.