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.
# Predictores de reentrenamiento
Un predictor es un modelo de Amazon Forecast que se entrena con la serie temporal de destino, las series temporales relacionadas, los metadatos de artículos s y cualquier conjunto de datos adicional que incluya. Puede usar los predictores para generar previsiones basadas en los datos de serie temporal.
De forma predeterminada, Amazon Forecast crea una AutoPredictor, en la que Forecast aplica la combinación óptima de algoritmos a cada serie temporal de sus conjuntos de datos.
**Topics**
+ [Creación de un predictor](#creating-predictors)
+ [Actualizando a AutoPredictor](#upgrading-autopredictor)
+ [Agregación de datos para distintas frecuencias de previsión](data-aggregation.md)
+ [Uso de conjuntos de datos adicionales](#using-additional-datasets)
+ [Cómo trabajar con predictores heredados](#legacy-predictors)
+ [Evaluación de la precisión del predictor](metrics.md)
+ [Predictores de reentrenamiento](retrain-predictors.md)
+ [Índice meteorológico](weather.md)
+ [Característica Festivos](holidays.md)
+ [Explicabilidad del predictor.](predictor-explainability.md)
+ [Supervisión de predictores](predictor-monitoring.md)
+ [Algoritmos de Amazon Forecast](aws-forecast-choosing-recipes.md)
## Creación de un predictor
Amazon Forecast requiere las siguientes entradas para entrenar un predictor:
+ **Grupo de conjuntos de datos**: un grupo de conjuntos de datos que debe incluir un conjunto de datos de series temporales de destino. El conjunto de datos de series temporales de destino incluye el atributo de destino (`item_id`) y el atributo de marca temporal, así como cualquier dimensión. Los metadatos relacionados con las series temporales y los artículos son opcionales. Para obtener más información, consulte [Importación de conjuntos de datos](howitworks-datasets-groups.md).
+ **Frecuencia de previsión**: la granularidad de sus previsiones (por hora, por día, por semana, etc.). Amazon Forecast le permite determinar la granularidad exacta de sus previsiones al proporcionar la unidad de frecuencia y el valor. Solo se permiten valores enteros
[See the AWS documentation website for more details](http://docs.aws.amazon.com/es_es/forecast/latest/dg/howitworks-predictor.html)
Por ejemplo, si desea previsiones cada dos semanas, su unidad de frecuencia es semanal y el valor es 2. O, si desea previsiones trimestrales, su unidad de frecuencia es mensual y el valor es 3.
Cuando los datos se recopilan con una frecuencia mayor que la frecuencia de previsión, se agregan a la frecuencia de previsión. Esto incluye las series temporales finales y los datos de series temporales relacionadas. Para obtener más información sobre agregación, consulte [Agregación de datos para distintas frecuencias de previsión](data-aggregation.md).
+ **Horizonte de previsión**: el número de pasos de tiempo que se están previendo.
También puede establecer valores para las siguientes entradas opcionales:
+ **Límite de alineación de tiempo**: el límite de tiempo que Forecast utiliza para agregar sus datos y generar previsiones que se alinean con la frecuencia de previsión que especifique. Para obtener más información sobre agregación, consulte [Agregación de datos para distintas frecuencias de previsión](data-aggregation.md). Para obtener información sobre cómo especificar un límite de tiempo, consulte [Límites de tiempo](data-aggregation.md#time-boundaries).
+ **Dimensiones de previsión**: las dimensiones son atributos opcionales del conjunto de datos de series temporales de destino que se pueden utilizar en combinación con el valor de destino (`item_id`) para crear series temporales independientes.
+ **Tipos de previsión**: los cuantiles que se utilizan para evaluar el predictor.
+ **Métrica de optimización**: métrica de precisión utilizada para optimizar el predictor.
+ **Conjuntos de datos adicionales**: conjuntos de datos de Amazon Forecast integrados, como festivos y el índice meteorológico.
Puede crear un predictor mediante el kit de desarrollo de software (SDK) o la consola Amazon Forecast.
------
#### [ Console ]
**Para crear un predictor**
1. Inicie sesión en la consola Amazon Forecast Consola de administración de AWS y ábrala en [https://console.aws.amazon.com/forecast/](https://console.aws.amazon.com/forecast/).
1. En **Grupos de conjuntos de datos**, elija su grupo de conjuntos de datos.
1. En el panel de navegación, elija **Predictores**.
1. Elija **Entrenar un nuevo predictor**.
1. Proporcione valores para los siguientes campos obligatorios:
+ **Nombre**: un nombre de predictor único.
+ **Frecuencia de previsión**: la granularidad de sus previsiones.
+ **Horizonte de previsión**: el número de pasos de tiempo que se preven.
1. Elija **Iniciar**.
Para obtener información sobre conjuntos de datos adicionales, consulte [Índice meteorológico](weather.md) y [Característica Festivos](holidays.md). Para obtener más información sobre la personalización de los tipos de previsión y las métricas de optimización, consulte [Evaluación de la precisión del predictor](metrics.md).
------
#### [ AWS CLI ]
Para crear un autopredictor con AWS CLI, utilice el `create-predictor` comando. El siguiente código crea un autopredictor que hace predicciones para 14 días en el futuro.
Proporcione un nombre para el predictor y el nombre de recurso de Amazon (ARN) del grupo de conjunto de datos que incluye sus datos de entrenamiento. Si lo desea, modifique el horizonte de previsión y la frecuencia de previsión. Añada, opcionalmente, cualquier etiqueta par el predictor. Para obtener más información, consulte [Etiquetado de recursos de Amazon Forecast](tagging-forecast-resources.md).
Para obtener más información acerca de los parámetros obligatorios y opcionales, consulte [CreateAutoPredictor](API_CreateAutoPredictor.md).
```
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}}
```
Para obtener más información sobre la personalización de los tipos de previsión y las métricas de optimización, consulte [Evaluación de la precisión del predictor](metrics.md) Los conjuntos de datos adicionales del índice meteorológico y los festivos se definen dentro del tipo de datos de `DataConfig`. Para obtener información sobre conjuntos de datos adicionales, consulte [Índice meteorológico](weather.md) y [Característica Festivos](holidays.md).
------
#### [ Python ]
Para crear un autopredictor con el SDK para Python (Boto3), use el método `create_auto_predictor`. El siguiente código crea un autopredictor que hace predicciones para 14 días en el futuro.
Proporcione un nombre para el predictor y el nombre de recurso de Amazon (ARN) del grupo de conjunto de datos que incluye sus datos de entrenamiento. Si lo desea, modifique el horizonte de previsión y la frecuencia de previsión. Añada, opcionalmente, cualquier etiqueta par el predictor. Para obtener más información, consulte [Etiquetado de recursos de Amazon Forecast](tagging-forecast-resources.md).
Para obtener más información acerca de los parámetros obligatorios y opcionales, consulte [CreateAutoPredictor](API_CreateAutoPredictor.md).
```
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'])
```
Para obtener más información sobre la personalización de los tipos de previsión y las métricas de optimización, consulte [Evaluación de la precisión del predictor](metrics.md) Los conjuntos de datos adicionales del índice meteorológico y los festivos se definen dentro del tipo de datos de `DataConfig`. Para obtener información sobre conjuntos de datos adicionales, consulte [Índice meteorológico](weather.md) y [Característica Festivos](holidays.md).
------
## Actualizando a AutoPredictor
**Cuadernos de Python**
Para obtener una step-by-step guía sobre cómo actualizar los predictores a AutoPredictor, consulte [Actualizar un predictor](https://github.com/aws-samples/amazon-forecast-samples/blob/main/notebooks/basic/Upgrading_to_AutoPredictor/UpgradeToAutoPredictor.ipynb) a. AutoPredictor
Los predictores creados con AutoML o selección manual CreatePredictor () se pueden actualizar a un. AutoPredictor Si se actualiza uno existente a, AutoPredictor se transferirán todos los ajustes de configuración del predictor relevantes.
Tras la actualización a AutoPredictor, el predictor original permanecerá activo y el predictor actualizado tendrá un ARN de predictor independiente. Esto le permite comparar las métricas de precisión entre los dos predictores y seguir generando previsiones con el predictor original.
Puede actualizar un predictor mediante el kit de desarrollo de software (SDK) o la consola Amazon Forecast.
------
#### [ Console ]
**Para actualizar un predictor**
1. Inicie sesión en la consola Amazon Forecast Consola de administración de AWS y ábrala en [https://console.aws.amazon.com/forecast/](https://console.aws.amazon.com/forecast/).
1. En el panel de navegación, elija **Predictores**.
1. Elija el predictor que desea actualizar y, a continuación, seleccione **Actualizar.**
1. Establezca un nombre único para el predictor actualizado.
1. Selecciona **Actualizar a AutoPredictor**.
------
#### [ CLI ]
Para actualizar un predictor con AWS CLI, utilice el `create-predictor` método, pero especifique *solo* el nombre del predictor y el valor de `reference-predictor-arn` (el ARN del predictor que desea actualizar).
```
aws forecast create-predictor \
--predictor-name {{predictor_name}} \
--reference-predictor-arn arn:aws:forecast:{{region}}:{{account}}:predictor/{{predictorName}}
```
------
#### [ Python ]
Para actualizar un predictor con el SDK para Python (Boto3), utilice el método `create_auto_predictor`, pero especifique *solo* el nombre del predictor y el valor de `ReferencePredictorArn` (el ARN del predictor que desea actualizar).
```
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'])
```
------
## Uso de conjuntos de datos adicionales
Amazon Forecast puede incluir el índice meteorológico y los días festivos al crear el predictor. El índice meteorológico incorpora información meteorológica en su modelo y Festivos incorpora información sobre los festivos nacionales.
El índice meteorológico requiere un atributo de “geolocalización” en el conjunto de datos de series temporales de destino e información sobre las zonas horarias para sus marcas temporales. Para obtener más información, consulte [Índice meteorológico](weather.md).
Festivos incluyen información sobre días festivos en más de 250 países. Para obtener más información, consulte [Característica Festivos](holidays.md).
## Cómo trabajar con predictores heredados
**nota**
Para actualizar un predictor existente a, consulte AutoPredictor [Actualizando a AutoPredictor](#upgrading-autopredictor)
AutoPredictor es el método predeterminado y preferido para crear un predictor con Amazon Forecast. AutoPredictor crea predictores aplicando la combinación óptima de algoritmos para cada serie temporal del conjunto de datos.
Los predictores creados con generalmente AutoPredictor son más precisos que los predictores creados con AutoML o selección manual. Las funciones de explicabilidad de Forecast y reentrenamiento de predictores solo están disponibles para los predictores creados con. AutoPredictor
Amazon Forecast también puede crear predictores heredados de las siguientes maneras:
1. **AutoML**: Forecast busca el algoritmo con mejor rendimiento y lo aplica a todo el conjunto de datos.
1. **Selección manual**: elija manualmente un único algoritmo que se aplique a todo el conjunto de datos.
Es posible que pueda crear un predictor heredado con el kit de desarrollo de software (SDK).
------
#### [ SDK ]
**Para usar AutoML**
Establezca el valor de `PerformAutoML` en `"true"` mediante la operación [`CreatePredictor`](API_CreatePredictor.md).
```
{
...
"PerformAutoML": "true",
}
```
Si usa AutoML, no puede establecer un valor para los siguientes CreatePredictor parámetros:`AlgorithmArn`,,`HPOConfig`. `TrainingParameters`
------