訓練預測器

建立預測器

如需其他資料集的詳細資訊，請參閱 天氣索引和 假日特徵化。若要進一步了解自訂預測類型和最佳化指標，請參閱評估預測器準確性。

若要使用 建立自動預測器 AWS CLI，請使用 create-predictor命令。下列程式碼會建立自動預測器，以預測未來 14 天。

提供 預測器的名稱，以及包含訓練資料的資料集群組的 Amazon Resource Name (ARN)。選擇性地修改預測時間範圍和預測頻率。選擇性地為預測器新增任何標籤。如需詳細資訊，請參閱 標記 Amazon Forecast 資源。

如需必要和選用參數的詳細資訊，請參閱CreateAutoPredictor。

aws forecast create-predictor \
--predictor-name predictor_name \
--data-config DatasetGroupArn="arn:aws:forecast:region:account:dataset-group/datasetGroupName" \
--forecast-horizon 14 \
--forecast-frequency D \
--tags Key=key1,Value=value1 Key=key2,Value=value2

若要進一步了解自訂預測類型和最佳化指標，請參閱DataConfig資料類型中定義的評估預測器準確性天氣索引和假日其他資料集。如需其他資料集的詳細資訊，請參閱 天氣索引和 假日特徵化。

若要使用適用於 Python 的 SDK (Boto3) 建立自動預測器，請使用 create_auto_predictor方法。下列程式碼會建立自動預測器，以預測未來 14 天。

提供 預測器的名稱，以及包含訓練資料的資料集群組的 Amazon Resource Name (ARN)。選擇性地修改預測時間範圍和預測頻率。選擇性地為預測器新增任何標籤。如需詳細資訊，請參閱 標記 Amazon Forecast 資源。

如需必要和選用參數的詳細資訊，請參閱CreateAutoPredictor。

import boto3
            
forecast = boto3.client('forecast')

create_predictor_response = forecast.create_auto_predictor(
    PredictorName = 'predictor_name',
    ForecastHorizon = 14,
    ForecastFrequency = 'D',
    DataConfig = {
      "DatasetGroupArn": "arn:aws:forecast:region:account:dataset-group/datasetGroupName"
    },
    Tags = [ 
      { 
         "Key": "key1",
         "Value": "value1"
      },
      { 
         "Key": "key2",
         "Value": "value2"
      }
    ]
)
print(create_predictor_response['PredictorArn'])

若要進一步了解自訂預測類型和最佳化指標，請參閱DataConfig資料類型中定義的評估預測器準確性天氣索引和假日其他資料集。如需其他資料集的詳細資訊，請參閱 天氣索引和 假日特徵化。

升級預測器

若要使用 升級預測器 AWS CLI，請使用 create-predictor方法，但只指定預測器名稱和 的值 reference-predictor-arn（您要升級的預測器 ARN)。

aws forecast create-predictor \
--predictor-name predictor_name \
--reference-predictor-arn arn:aws:forecast:region:account:predictor/predictorName

若要使用適用於 Python 的 SDK (Boto3) 升級預測器，請使用 create_auto_predictor方法，但只指定預測器名稱和 的值 ReferencePredictorArn（您要升級的預測器 ARN)。

import boto3
            
forecast = boto3.client('forecast')

create_predictor_response = forecast.create_auto_predictor(
    PredictorName = 'predictor_name',
    ReferencePredictorArn = 'arn:aws:forecast:region:account:predictor/predictorName'
)
print(create_predictor_response['PredictorArn'])

使用 AutoML

使用 CreatePredictor操作，將 的值設定為 PerformAutoML "true"。

{
    ...
    "PerformAutoML": "true",
}

如果您使用 AutoML，則無法為下列 CreatePredictor 參數設定值：AlgorithmArn、HPOConfig、TrainingParameters。