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.

# Set di dati sostitutivo
<a name="replacement-series"></a>

Un set di dati sostitutivo è una versione modificata della serie temporale relativa alla linea di base che contiene solo i valori che si desidera modificare in una previsione ipotetica. Il set di dati sostitutivo deve contenere le dimensioni della previsione, gli identificatori degli elementi e i timestamp delle serie temporali relative alla linea di base, nonché almeno una serie temporale modificata. Questo set di dati viene unito alla serie temporale relativa alla linea di base per creare un set di dati trasformato da utilizzare per la previsione ipotetica. Il set di dati sostitutivo deve essere in formato CSV.

Questo set di dati non deve contenere timestamp duplicati per la stessa serie temporale.

Di seguito sono riportati alcuni esempi di come è possibile specificare una serie temporale sostitutiva e di come tali specifiche vengono interpretate. Si consideri il caso in cui si effettuano previsioni giornaliere e l'orizzonte di previsione è compreso tra il 01/08/2022 e il 03/08/2022. Le serie temporali relative alla linea di base per tutti gli esempi sono riportate nella tabella seguente.


| id\_articolo | timestamp | price | stock\_count | 
| --- | --- | --- | --- | 
| articolo\_1 | 2022-08-01 | 100 | 50 | 
| articolo\_1 | 2022-08-02 | 100 | 50 | 
| articolo\_1 | 2022-08-03 | 100 | 50 | 
| articolo\_2 | 2022-08-01 | 75 | 500 | 
| articolo\_2 | 2022-08-02 | 75 | 500 | 
| articolo\_2 | 2022-08-03 | 75 | 500 | 

------
#### [ Unchanged values ]

Per applicare uno sconto del 10% su item\_1 per il 02/08/2022 e il 03/08/2022, è sufficiente specificare quanto segue per il set di dati sostitutivo:


**Set di dati sostitutivo**  

| id\_articolo | timestamp | price | 
| --- | --- | --- | 
| item\_1 | 2022-08-02 | 90 | 
| articolo\_1 | 2022-08-03 | 90 | 

Tuttavia, è valido anche specificare valori invariati nel set di dati sostitutivo. Se utilizzata come set di dati sostitutivi, ciascuna delle tre tabelle seguenti produrrà gli stessi risultati della tabella fornita in precedenza.


**Set di dati sostitutivo con una colonna invariata**  

| id\_articolo | timestamp | price | stock\_count | 
| --- | --- | --- | --- | 
| articolo\_1 | 2022-08-02 | 90 | 50 | 
| articolo\_1 | 2022-08-03 | 90 | 50 | 


**Set di dati sostitutivo con righe invariate**  

| id\_articolo | timestamp | price | 
| --- | --- | --- | 
| item\_1 | 2022-08-01 | 100 | 
| articolo\_1 | 2022-08-02 | 90 | 
| articolo\_1 | 2022-08-03 | 90 | 
| articolo\_2 | 2022-08-01 | 75 | 
| articolo\_2 | 2022-08-02 | 75 | 
| articolo\_2 | 2022-08-03 | 75 | 


**Set di dati sostitutivo con righe e colonne invariate**  

| id\_articolo | timestamp | price | stock\_count | 
| --- | --- | --- | --- | 
| articolo\_1 | 2022-08-01 | 100 | 50 | 
| articolo\_1 | 2022-08-02 | 90 | 50 | 
| articolo\_1 | 2022-08-03 | 90 | 50 | 
| articolo\_2 | 2022-08-01 | 75 | 500 | 
| articolo\_2 | 2022-08-02 | 75 | 500 | 
| articolo\_2 | 2022-08-03 | 75 | 500 | 

------
#### [ Missing values ]

I valori mancanti nelle serie temporali sostitutive vengono sostituiti con i valori delle serie temporali relative alla linea di base. Considera lo scenario in cui applichi uno sconto del 10% su item\_1 per il 2022-08-02 e il 2022-08-03 e aumenti lo stock di item\_2 il 01/08/2022. Questo set di dati sostitutivo è sufficiente:


**Set di dati sostitutivo con valori mancanti**  

| id\_articolo | timestamp | price | stock\_count | 
| --- |--- |--- |--- |
| articolo\_1 | 2022-08-02 | 90 |  | 
| --- |--- |--- |--- |
| articolo\_1 | 2022-08-03 | 90 |  | 
| --- |--- |--- |--- |
| articolo\_2 | 2022-08-01 |  | 5000 | 
| --- |--- |--- |--- |

I valori mancanti in questa tabella sono imputati dalle serie temporali relative alla linea di base.

------
#### [ Extraneous values ]

I valori estranei nelle serie temporali sostitutive vengono ignorati durante la creazione di una previsione ipotetica. In altre parole, i valori nel set di dati sostitutivo che non corrispondono ai valori delle serie temporali relative alla linea di base non vengono modellati. Considerate questo set di dati sostitutivo:


**Set di dati sostitutivo con valori estranei**  

| id\_articolo | timestamp | price | stock\_count | 
| --- |--- |--- |--- |
| articolo\_1 | 2022-08-01 | 100 | 50 | 
| articolo\_1 | 2022-08-02 | 100 | 50 | 
| articolo\_1 | 2022-08-03 | 100 | 50 | 
| articolo\_2 | 2022-08-01 | 75 | 500 | 
| articolo\_2 | 2022-08-02 | 75 | 500 | 
| articolo\_2 | 2022-08-03 | 75 | 500 | 
| articolo\_3 | 2022-08-01 | 50 | 125 | 
| --- |--- |--- |--- |
| articolo\_3 | 2022-08-02 | 50 | 125 | 
| --- |--- |--- |--- |
| articolo\_3 | 2022-08-03 | 50 | 125 | 
| --- |--- |--- |--- |

Le righe contenenti item\_3 vengono ignorate e non fanno parte dell'analisi what-if.

------
#### [ Historical changes ]

Le modifiche nel set di dati sostitutivo che si trovano al di fuori dell'orizzonte di previsione vengono ignorate. Considerate questo set di dati sostitutivo:


**Set di dati sostitutivo con valori al di fuori dell'orizzonte di previsione**  

| id\_articolo | timestamp | price | stock\_count | 
| --- |--- |--- |--- |
| articolo\_1 | 2022-07-31 | 100 | 50 | 
| --- |--- |--- |--- |
| articolo\_1 | 2022-08-01 | 100 | 50 | 
| articolo\_1 | 2022-08-02 | 100 | 50 | 
| articolo\_1 | 2022-08-03 | 100 | 50 | 
| articolo\_1 | 2022-08-04 | 100 | 50 | 
| --- |--- |--- |--- |
| articolo\_2 | 2022-07-31 | 75 | 500 | 
| --- |--- |--- |--- |
| articolo\_2 | 2022-08-01 | 75 | 500 | 
| articolo\_2 | 2022-08-02 | 75 | 500 | 
| articolo\_2 | 2022-08-03 | 75 | 500 | 
| articolo\_3 | 2022-08-04 | 75 | 500 | 
| --- |--- |--- |--- |

Le righe contenenti 2022-07-31 e 2022-08-04 vengono ignorate e non fanno parte dell'analisi what-if.

------

## Dimensioni di Forecast
<a name="forecast-dimensions"></a>

Se includi le dimensioni previsionali nel set di dati, devi includerle nel set di dati sostitutivo. Considerate questa serie temporale relativa alla linea di base:


| id\_articolo | store\_id | timestamp | price | stock\_count | 
| --- | --- | --- | --- | --- | 
| articolo\_1 | negozio\_1 | 2022-08-01 | 100 | 50 | 
| articolo\_1 | negozio\_1 | 2022-08-02 | 100 | 50 | 
| articolo\_1 | negozio\_1 | 2022-08-03 | 100 | 50 | 
| articolo\_1 | negozio\_2 | 2022-08-01 | 75 | 500 | 
| articolo\_1 | negozio\_2 | 2022-08-02 | 75 | 500 | 
| articolo\_1 | negozio\_2 | 2022-08-03 | 75 | 500 | 

Pertanto, il set di dati sostitutivo per uno sconto del 10% in tutti i negozi il 02/08/2022 sarebbe il seguente:


| id\_articolo | store\_id | timestamp | price | 
| --- | --- | --- | --- | 
| articolo\_1 | negozio\_1 | 2022-08-02 | 90 | 
| articolo\_1 | negozio\_2 | 2022-08-02 | 67,5 |