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.
# Conjunto de dados de substituição
Um conjunto de dados de substituição é uma versão modificada da série temporal relacionada à linha de base que contém somente os valores que você deseja alterar em uma previsão de hipóteses. O conjunto de dados de substituição deve conter as dimensões de previsão, identificadores de itens e carimbos de data e hora na série temporal relacionada à linha de base, bem como pelo menos uma série temporal alterada. Esse conjunto de dados é mesclado com a série temporal relacionada à linha de base para criar um conjunto de dados transformado usado para a previsão de hipóteses. O conjunto de dados de substituição deve estar no formato CSV.
Esse conjunto de dados não deve conter carimbos de data e hora duplicados para a mesma série temporal.
Veja vários exemplos de como você pode especificar uma série temporal de substituição e como essas especificações são interpretadas. Considere o caso em que você está fazendo previsões diárias e o horizonte de previsão é de 2022-08-01 a 2022-08-03. A série temporal relacionada à linha de base para todos os exemplos é fornecida na tabela a seguir.
| item\$1id | timestamp | preço | stock\$1count |
| --- | --- | --- | --- |
| item\$11 | 2022-08-01 | 100 | 50 |
| item\$11 | 2022-08-02 | 100 | 50 |
| item\$11 | 2022-08-03 | 100 | 50 |
| item\$12 | 2022-08-01 | 75 | 500 |
| item\$12 | 2022-08-02 | 75 | 500 |
| item\$12 | 2022-08-03 | 75 | 500 |
------
#### [ Unchanged values ]
Para aplicar um desconto de 10% no item\$11 para 2022-08-02 e 2022-08-03, basta especificar o seguinte para o conjunto de dados de substituição:
**Conjunto de dados de substituição**
| item\$1id | timestamp | preço |
| --- | --- | --- |
| item\$11 | 2022-08-02 | 90 |
| item\$11 | 2022-08-03 | 90 |
No entanto, também é válido especificar valores inalterados no conjunto de dados de substituição. Quando usadas como conjuntos de dados de substituição, cada uma das três tabelas a seguir produzirá os mesmos resultados da tabela fornecida anteriormente.
**Conjunto de dados de substituição por uma coluna inalterada**
| item\$1id | timestamp | preço | stock\$1count |
| --- | --- | --- | --- |
| item\$11 | 2022-08-02 | 90 | 50 |
| item\$11 | 2022-08-03 | 90 | 50 |
**Conjunto de dados de substituição com linhas inalteradas**
| item\$1id | timestamp | preço |
| --- | --- | --- |
| item\$11 | 2022-08-01 | 100 |
| item\$11 | 2022-08-02 | 90 |
| item\$11 | 2022-08-03 | 90 |
| item\$12 | 2022-08-01 | 75 |
| item\$12 | 2022-08-02 | 75 |
| item\$12 | 2022-08-03 | 75 |
**Conjunto de dados de substituição com linhas e colunas inalteradas**
| item\$1id | timestamp | preço | stock\$1count |
| --- | --- | --- | --- |
| item\$11 | 2022-08-01 | 100 | 50 |
| item\$11 | 2022-08-02 | 90 | 50 |
| item\$11 | 2022-08-03 | 90 | 50 |
| item\$12 | 2022-08-01 | 75 | 500 |
| item\$12 | 2022-08-02 | 75 | 500 |
| item\$12 | 2022-08-03 | 75 | 500 |
------
#### [ Missing values ]
Os valores ausentes na série temporal de substituição são substituídos por valores da série temporal relacionada à linha de base. Considere o cenário em que você aplica um desconto de 10% no item\$11 para 2022-08-02 e 2022-08-03 e aumenta o estoque do item\$12 em 2022-08-01. Esse conjunto de dados de substituição é suficiente:
**Conjunto de dados de substituição com valores ausentes**
| item\$1id | timestamp | preço | stock\$1count |
| --- |--- |--- |--- |
| item\$11 | 2022-08-02 | 90 | |
| --- |--- |--- |--- |
| item\$11 | 2022-08-03 | 90 | |
| --- |--- |--- |--- |
| item\$12 | 2022-08-01 | | 5000 |
| --- |--- |--- |--- |
Os valores que faltam nessa tabela são imputados da série temporal relacionada à linha de base.
------
#### [ Extraneous values ]
Valores estranhos na série temporal de substituição são ignorados ao criar uma previsão de hipóteses. Ou seja, os valores no conjunto de dados de substituição que não correspondem aos valores na série temporal relacionada à linha de base não são modelados. Considere esse conjunto de dados de substituição:
**Conjunto de dados de substituição com valores estranhos**
| item\$1id | timestamp | preço | stock\$1count |
| --- |--- |--- |--- |
| item\$11 | 2022-08-01 | 100 | 50 |
| item\$11 | 2022-08-02 | 100 | 50 |
| item\$11 | 2022-08-03 | 100 | 50 |
| item\$12 | 2022-08-01 | 75 | 500 |
| item\$12 | 2022-08-02 | 75 | 500 |
| item\$12 | 2022-08-03 | 75 | 500 |
| item\$13 | 2022-08-01 | 50 | 125 |
| --- |--- |--- |--- |
| item\$13 | 2022-08-02 | 50 | 125 |
| --- |--- |--- |--- |
| item\$13 | 2022-08-03 | 50 | 125 |
| --- |--- |--- |--- |
As linhas contendo item\$13 são ignoradas e não fazem parte da análise de hipóteses.
------
#### [ Historical changes ]
As alterações no conjunto de dados de substituição que estão fora do horizonte de previsão são ignoradas. Considere esse conjunto de dados de substituição:
**Conjunto de dados de substituição com valores fora do horizonte de previsão**
| item\$1id | timestamp | preço | stock\$1count |
| --- |--- |--- |--- |
| item\$11 | 2022-07-31 | 100 | 50 |
| --- |--- |--- |--- |
| item\$11 | 2022-08-01 | 100 | 50 |
| item\$11 | 2022-08-02 | 100 | 50 |
| item\$11 | 2022-08-03 | 100 | 50 |
| item\$11 | 2022-08-04 | 100 | 50 |
| --- |--- |--- |--- |
| item\$12 | 2022-07-31 | 75 | 500 |
| --- |--- |--- |--- |
| item\$12 | 2022-08-01 | 75 | 500 |
| item\$12 | 2022-08-02 | 75 | 500 |
| item\$12 | 2022-08-03 | 75 | 500 |
| item\$13 | 2022-08-04 | 75 | 500 |
| --- |--- |--- |--- |
As linhas contendo 2022-07-31 e 2022-08-04 são ignoradas e não fazem parte da análise de hipóteses.
------
## Dimensões do Forecast
Se você incluir dimensões de previsão em seu conjunto de dados, deverá incluí-las no conjunto de dados substituto. Considere esta série temporal relacionada à linha de base:
| item\$1id | store\$1id | timestamp | preço | stock\$1count |
| --- | --- | --- | --- | --- |
| item\$11 | store\$11 | 2022-08-01 | 100 | 50 |
| item\$11 | store\$11 | 2022-08-02 | 100 | 50 |
| item\$11 | store\$11 | 2022-08-03 | 100 | 50 |
| item\$11 | store\$12 | 2022-08-01 | 75 | 500 |
| item\$11 | store\$12 | 2022-08-02 | 75 | 500 |
| item\$11 | store\$12 | 2022-08-03 | 75 | 500 |
Portanto, o conjunto de dados de substituição para um desconto de 10% em todas as lojas em 2022-08-02 seria o seguinte:
| item\$1id | store\$1id | timestamp | preço |
| --- | --- | --- | --- |
| item\$11 | store\$11 | 2022-08-02 | 90 |
| item\$11 | store\$12 | 2022-08-02 | 67,5 |