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. # Automazione con CloudFormation In questo tutorial, utilizzi uno stack di AWS CloudFormation automazione per avviare una pipeline Amazon Forecast e generare previsioni utilizzando un set di dati dimostrativo. Lo CloudFormation stack AWS Forecast: + Implementa il CloudFormation modello [Improving Forecast Accuracy with Machine Learning Solution](https://docs.aws.amazon.com/solutions/latest/improving-forecast-accuracy-with-machine-learning/automated-deployment.html). + Implementa i [set di dati NYC Taxi nel bucket](https://registry.opendata.aws/nyc-tlc-trip-records-pds/) Forecast Data Amazon S3. + Avvia automaticamente la pipeline demo di previsione dei taxi di New York in Forecast. Il CloudFormation modello è precaricato con serie temporali target, serie temporali correlate e set di dati dimostrativi di metadati degli articoli. I campi pertinenti nella console sono precompilati con le rispettive posizioni S3. Dopo aver completato questo tutorial utilizzando i set di dati dimostrativi, puoi utilizzare lo stesso stack di automazione per generare previsioni con i tuoi set di dati. Il diagramma seguente mostra i componenti utilizzati in questo tutorial. ![Diagramma di architettura che mostra il flusso di dati dalla preparazione alle fasi di inserimento, previsione e valutazione.](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-architecture.png) ## Prerequisiti Prima di iniziare il tutorial, assicurati di aver effettuato l'accesso e di aver installato il Account AWS modello: CloudFormation 1. Accedi al tuo. Account AWS Se non ne hai già uno, [crea un Account AWS](https://aws.amazon.com/premiumsupport/knowledge-center/create-and-activate-aws-account/). 1. Installa il AWS CloudFormation modello. Scegli la regione più vicina a te: + Tokyo: [ap-northeast-1](https://console.aws.amazon.com/cloudformation/home?region=ap-northeast-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + [Seul: ap-northeast-2](https://console.aws.amazon.com/cloudformation/home?region=ap-northeast-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + [Mumbai: ap-south-1](https://console.aws.amazon.com/cloudformation/home?region=ap-south-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + Singapore: [ap-southeast-1](https://console.aws.amazon.com/cloudformation/home?region=ap-southeast-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + Sydney: [ap-southeast-2](https://console.aws.amazon.com/cloudformation/home?region=ap-southeast-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + Francoforte: [eu-cental-1](https://console.aws.amazon.com/cloudformation/home?region=eu-central-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + Irlanda[: eu-west-1](https://console.aws.amazon.com/cloudformation/home?region=eu-west-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + [Virginia settentrionale: us-east-1](https://console.aws.amazon.com/cloudformation/home?region=us-east-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + [Ohio: us-east-2](https://console.aws.amazon.com/cloudformation/home?region=us-east-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) + [Oregon: us-west-2](https://console.aws.amazon.com/cloudformation/home?region=us-west-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) [Questo implementa uno stack dimostrativo utilizzando il NYC Taxi Dataset.](https://registry.opendata.aws/nyc-tlc-trip-records-pds/) ## Implementazione di un CloudFormation Modello per l'automazione Forecast Per distribuire il CloudFormation modello utilizzando il NYC Taxi Dataset **Passaggio 1****: Accetta le impostazioni predefinite e scegli Avanti.** ![Crea una procedura guidata per lo stack che mostra le opzioni di preparazione del modello e il campo URL. Amazon S3](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-step1.png) **Passo 2****: Fornisci un indirizzo email per le notifiche e scegli Avanti.** ![Pagina di configurazione dei set di dati che mostra il campo e-mail con youremail@sample.com inserito.](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-step2.png) **Passaggio 3****: Accetta le impostazioni predefinite e scegli Avanti.** **Passaggio 4**: Per Funzionalità, seleziona entrambe le caselle di controllo per consentire la creazione CloudFormation di risorse AWS Identity and Access Management (IAM) e stack annidati. Seleziona **Crea stack**. ![Sezione Capacità con due caselle di controllo selezionate per le IAM risorse e CAPABILITY_AUTO_EXPAND.](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-step4.png) Hai distribuito un CloudFormation modello in Forecast. ## Pulizia Dopo aver distribuito questo CloudFormation modello, puoi ripulire le risorse appena create, distribuire lo CloudFormation stack utilizzando i tuoi set di dati ed esplorare altre opzioni di distribuzione. + **Pulizia**: l'eliminazione dello stack demo mantiene lo stack «Improving Forecast Accuracy with Machine Learning». L'eliminazione dello stack «Improving Forecast Accuracy with Machine Learning» conserva tutti i dati di S3, Athena QuickSight e Forecast. + **Utilizzo dei tuoi set** **di dati: per implementare questo CloudFormation modello con i tuoi dati di serie temporali, inserisci le posizioni S3 dei tuoi set di dati nella sezione Configurazione dei set di dati del passaggio 2.** + **Altre opzioni di distribuzione: per ulteriori opzioni di distribuzione**[, consulta Distribuzione automatizzata.](https://docs.aws.amazon.com/solutions/latest/improving-forecast-accuracy-with-machine-learning/automated-deployment.html) Se i dati sono già disponibili, puoi distribuire lo stack senza i dati dimostrativi.