Amazon Forecast ya no está disponible para nuevos clientes. Los clientes actuales de Amazon Forecast pueden seguir utilizando el servicio con normalidad. [Más información](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Algoritmo Prophet
[Prophet](https://facebook.github.io/prophet/) es un conocido modelo local de series temporales estructurales bayesianas. El algoritmo Prophet de Amazon Forecast utiliza la [clase Prophet](https://facebook.github.io/prophet/docs/quick_start.html#python-ap) de la implementación de Prophet en Python.
## Cómo funciona Prophet
Prophet es muy útil para conjuntos de datos:
+ Que contengan un periodo de tiempo extendido (meses o años) de observaciones históricas detalladas (por hora, día o semana)
+ Que tengan varias estacionalidades muy marcadas
+ Que incluyan eventos anteriormente conocidos importantes, pero irregulares
+ Que les falten puntos de datos o tengan casos atípicos grandes
+ Que tengan tendencias de crecimiento no lineal que se aproximen a un límite.
Prophet es un modelo de regresión aditiva con una tendencia de curva de crecimiento lineal o logística por partes. Incluye un componente estacional anual modelado usando series de Fourier y un componente estacional semanal modelado usando variables ficticias.
Para obtener más información, consulte [Prophet: previsión a gran escala](https://research.facebook.com/blog/2017/2/prophet-forecasting-at-scale/).
## Hiperparámetros de Prophet y series temporales relacionadas
Amazon Forecast utiliza los [hiperparámetros](https://facebook.github.io/prophet/docs/quick_start.html#python-ap) de Prophet predeterminados. Prophet también admite series temporales relacionadas como características, proporcionadas a Amazon Forecast en el archivo CSV de serie temporal relacionada.