Amazon Forecast ist für Neukunden nicht mehr verfügbar. Bestehende Kunden von Amazon Forecast können den Service weiterhin wie gewohnt nutzen. [Erfahren Sie mehr“](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Überwachungsergebnisse anzeigen
<a name="predictor-monitoring-results"></a>

Nachdem Sie eine Prognose generiert und anschließend weitere Daten importiert haben, können Sie sich die Ergebnisse der Prädiktorüberwachung ansehen. Sie können eine Visualisierung der Ergebnisse mit der Prognosekonsole anzeigen oder die Ergebnisse mithilfe der [ListMonitorEvaluations](API_ListMonitorEvaluations.md) Operation programmgesteuert abrufen. 

 In der Prognosekonsole werden die Ergebnisse für jede [Prädiktormetrik](metrics.md) grafisch dargestellt. Die Grafiken zeigen, wie sich die einzelnen Metriken im Laufe der Lebensdauer Ihres Prädiktors und Ihrer Prädiktorereignisse, wie z. B. Umschulungen, verändert haben. 

 Die [ListMonitorEvaluations](API_ListMonitorEvaluations.md) Operation gibt Metrikergebnisse und Prädiktorereignisse für verschiedene Zeitfenster zurück. 

------
#### [ Console ]

**Um die Ergebnisse der Prädiktorüberwachung anzuzeigen**

1. Melden Sie sich bei der an AWS-Managementkonsole und öffnen Sie die Amazon Forecast-Konsole unter [https://console.aws.amazon.com/forecast/](https://console.aws.amazon.com/forecast/).

1. Wählen Sie **unter Datensatzgruppen** Ihre Datensatzgruppe aus.

1. Wählen Sie im Navigationsbereich **Prädiktoren** aus.

1. Wählen Sie den Prädiktor und dann die Registerkarte **Überwachung** aus. 
   +  Der Abschnitt **Überwachungsergebnisse** zeigt, wie sich die verschiedenen Genauigkeitsmetriken im Laufe der Zeit verändert haben. Verwenden Sie die Dropdownliste, um zu ändern, welche Metrik das Diagramm verfolgt.
   + Im Abschnitt **Monitoringverlauf** werden die Details zu den verschiedenen Ereignissen aufgeführt, die in den Ergebnissen erfasst wurden.

    Im Folgenden finden Sie ein Beispiel für ein Diagramm, das zeigt, wie sich die `Avg wQL` Punktzahl für einen Prädiktor im Laufe der Zeit verändert hat. Beachten Sie in diesem Diagramm, dass der `Avg wQL` Wert im Laufe der Zeit zunimmt. Dieser Anstieg weist darauf hin, dass die Genauigkeit des Prädiktors abnimmt. Ermitteln Sie anhand dieser Informationen, ob Sie das Modell erneut validieren und Maßnahmen ergreifen müssen.  
![\[Graph showing increasing Avg wQL score over time, indicating decreasing predictor accuracy.\]](http://docs.aws.amazon.com/de_de/forecast/latest/dg/images/predictor-drift.png)

------
#### [ SDK for Python (Boto3) ]

 Verwenden Sie die Methode, um Überwachungsergebnisse mit dem SDK for Python (Boto3) zu erhalten. `list_monitor_evaluations` Geben Sie den Amazon-Ressourcennamen (ARN) des Monitors an und geben Sie optional die maximale Anzahl von Ergebnissen an, die mit dem `MaxResults` Parameter abgerufen werden sollen. Geben Sie optional a an`Filter`, um die Ergebnisse zu filtern. Sie können Bewertungen nach einem `EvaluationState` von `SUCCESS` oder filtern`FAILURE`. Mit dem folgenden Code werden maximal 20 erfolgreiche Monitoring-Evaluierungen erzielt. 

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

monitor_results = forecast.list_monitor_evaluations(
    MonitorArn = 'monitor_arn',
    MaxResults = 20,
    Filters = [ 
      { 
         "Condition": "IS",
         "Key": "EvaluationState",
         "Value": "SUCCESS"
      }
   ]
)
print(monitor_results)
```

 Nachfolgend finden Sie ein Beispiel einer JSON-Antwort. 

```
{
  "NextToken": "string",
  "PredictorMonitorEvaluations": [
    {
      "MonitorArn": "MonitorARN",
      "ResourceArn": "PredictorARN",
      "EvaluationTime": "2020-01-02T00:00:00Z",
      "EvaluationState": "SUCCESS",
      "WindowStartDatetime": "2019-01-01T00:00:00Z",
      "WindowEndDatetime": "2019-01-03T00:00:00Z",
      "PredictorEvent": {
        "Detail": "Retrain",
        "Datetime": "2020-01-01T00:00:00Z"
      },
      "MonitorDataSource": {
        "DatasetImportJobArn": "arn:aws:forecast:region:accountNumber:dataset-import-job/*",
        "ForecastArn": "arn:aws:forecast:region:accountNumber:forecast/*",
        "PredictorArn": "arn:aws:forecast:region:accountNumber:predictor/*",
      
      },
      "MetricResults": [
        {
          "MetricName": "AverageWeightedQuantileLoss",
          "MetricValue": 0.17009070456599376
        },
        {
          "MetricName": "MAPE",
          "MetricValue": 0.250711322309796
        },
        {
          "MetricName": "MASE",
          "MetricValue": 1.6275608734888485
        },
        {
          "MetricName": "RMSE",
          "MetricValue": 3100.7125081405547
        },
        {
          "MetricName": "WAPE",
          "MetricValue": 0.17101159704738722}
      ]
    }
  ]
}
```

------