O Amazon Forecast não está mais disponível para novos clientes. Os clientes existentes do Amazon Forecast podem continuar usando o serviço normalmente. [Saiba mais](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Como funciona a agregação
<a name="how-aggregation-works"></a>

 Durante o treinamento, o Amazon Forecast agrega quaisquer dados que não estejam alinhados à frequência de previsão que você especificou. Por exemplo, você pode ter alguns dados diários, mas especificar uma frequência de previsão semanal. O Forecast alinha os dados diários com base na semana à qual eles pertencem. O Forecast, então, os combina em um único registro para cada semana. O Forecast determina a qual semana (ou mês ou dia e assim por diante) os dados pertencem com base na sua relação com um limite de tempo. Os limites de tempo especificam o início de uma unidade de tempo; por exemplo, a hora em que o dia começa ou em que dia a semana começa. 

 Para previsões por hora e minuto, ou limites de tempo não especificados, o Forecast usa um limite de tempo padrão com base na unidade de tempo da sua frequência. Para preditores automáticos com frequências de previsão diárias, semanais, mensais ou anuais, é possível especificar um limite de tempo personalizado. Para obter mais informações sobre os limites de tempo, consulte [Limites de tempo](data-aggregation.md#time-boundaries). 

 Durante a agregação, o método de transformação padrão é somar os dados. Você pode configurar a transformação ao criar seu preditor. Para isso, vá até a seção **Configuração dos dados de entrada** na página **Criar preditor** no console do Forecast. Ou você pode definir o método de transformação no `Transformations` parâmetro [AttributeConfig](API_AttributeConfig.md) da CreateAutoPredictor operação.

As tabelas a seguir mostram um exemplo de agregação para uma frequência de previsão por hora usando o limite de tempo padrão: cada hora começa no início da hora.

**Pré-transformação**


| Tempo | Dados | Na hora cheia | 
| --- | --- | --- | 
| 2018-03-03 01:00:00 | 100 | Sim | 
| 2018-03-03 02:20:00 | 50 | Não | 
| 2018-03-03 02:45:00 | 20 | Não | 
| 2018-03-03 04:00:00 | 120 | Sim | 

**Pós-transformação**


| Tempo | Dados | Observações | 
| --- | --- | --- | 
| 2018-03-03 01:00:00 | 100 |  | 
| 2018-03-03 02:00:00 | 70 | Soma dos valores entre 02:00:00 e 02:59:59 (50\$120) | 
| 2018-03-03 03:00:00 | Vazio | Nenhum valor entre 03:00:00 e 03:59:59 | 
| 2018-03-03 04:00:00 | 120 |  | 

A figura a seguir mostra como o Forecast transforma dados para se ajustarem ao limite de tempo semanal padrão.

![\[Raw sales data points transformed into a smooth demand time series curve over weekly intervals.\]](http://docs.aws.amazon.com/pt_br/forecast/latest/dg/images/data-alignment.png)