Amazon Forecast tidak lagi tersedia untuk pelanggan baru. Pelanggan Amazon Forecast yang ada dapat terus menggunakan layanan seperti biasa. [Pelajari lebih lanjut”](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Domain Dataset dan Jenis Dataset yang Telah Ditetapkan
Untuk melatih prediktor, Anda membuat satu atau beberapa kumpulan data, menambahkannya ke grup kumpulan data, dan menyediakan grup kumpulan data untuk pelatihan.
Untuk setiap kumpulan data yang Anda buat, Anda mengaitkan domain dataset dan tipe dataset. *Domain dataset* menentukan skema dataset yang telah ditentukan sebelumnya untuk kasus penggunaan umum, dan tidak memengaruhi algoritme model atau hiperparameter.
Amazon Forecast mendukung domain dataset berikut:
+ [Domain RITEL](retail-domain.md)— Untuk peramalan permintaan ritel
+ [Domain INVENTORY\$1PLANNING](inv-planning-domain.md)— Untuk rantai pasokan dan perencanaan inventaris
+ [Domain KAPASITAS EC2](ec2-capacity-domain.md)- Untuk memperkirakan kapasitas Amazon Elastic Compute Cloud (Amazon EC2)
+ [Domain WORK\$1FORCE](workforce-domain.md)— Untuk perencanaan angkatan kerja
+ [Web\$1TRAFFIC Domain](webtraffic-domain.md)— Untuk memperkirakan lalu lintas web future
+ [METRIK Domain](metrics-domain.md)— Untuk metrik peramalan, seperti pendapatan dan arus kas
+ [Domain KUSTOM](custom-domain.md)— Untuk semua jenis peramalan deret waktu lainnya
Setiap domain dapat memiliki satu hingga tiga *jenis dataset*. Jenis kumpulan data yang Anda buat untuk domain didasarkan pada jenis data yang Anda miliki dan apa yang ingin Anda sertakan dalam pelatihan.
Setiap domain memerlukan kumpulan data deret waktu target, dan secara opsional mendukung deret waktu terkait dan jenis kumpulan data metadata item.
Jenis dataset adalah:
+ Deret waktu target - Satu-satunya jenis kumpulan data yang diperlukan. Jenis ini mendefinisikan bidang *target* yang ingin Anda hasilkan prakiraannya. Misalnya, jika Anda ingin memperkirakan penjualan untuk satu set produk, maka Anda harus membuat kumpulan data data deret waktu historis untuk setiap produk yang ingin Anda perkirakan. Demikian pula, Anda dapat membuat kumpulan data deret waktu target untuk metrik — seperti pendapatan, arus kas, dan penjualan — yang mungkin ingin Anda perkirakan.
+ Deret waktu terkait — Data deret waktu yang terkait dengan data deret waktu target. Misalnya, harga terkait dengan data penjualan produk, jadi Anda dapat memberikannya sebagai deret waktu terkait.
+ Metadata item — Metadata yang berlaku untuk data deret waktu target. Misalnya, jika Anda memperkirakan penjualan untuk produk tertentu, atribut produk — seperti merek, warna, dan genre — akan menjadi bagian dari metadata item. Saat memprediksi kapasitas EC2 untuk instans EC2, metadata mungkin mencakup CPU dan memori dari jenis instans.
Untuk setiap jenis kumpulan data, data input Anda harus berisi bidang wajib tertentu. Anda juga dapat menyertakan bidang opsional yang disarankan Amazon Forecast yang Anda sertakan.
Contoh berikut menunjukkan cara memilih domain dataset dan jenis dataset yang sesuai.
**Example Contoh 1: Jenis Dataset di Domain RETAIL**
Jika Anda adalah pengecer yang tertarik untuk memperkirakan permintaan barang, Anda dapat membuat kumpulan data berikut di domain RETAIL:
+ Deret waktu target adalah kumpulan data yang diperlukan dari data permintaan deret waktu historis (penjualan) untuk setiap item (setiap produk yang dijual pengecer). Dalam domain RETAIL, jenis kumpulan data ini mengharuskan kumpulan data menyertakan`item_id`,`timestamp`, dan bidang. `demand` `demand`Bidang adalah target perkiraan, dan biasanya jumlah barang yang dijual oleh pengecer dalam minggu atau hari tertentu.
+ Secara opsional, kumpulan data dari jenis deret waktu terkait. Dalam domain RETAIL, jenis ini dapat mencakup opsional, tetapi disarankan, informasi deret waktu seperti`price`,`inventory_onhand`, dan`webpage_hits`.
+ Secara opsional, kumpulan data dari jenis metadata item. Di domain RETAIL, Amazon Forecast menyarankan untuk memberikan informasi metadata yang terkait dengan item yang Anda berikan dalam deret waktu target, seperti`brand`,, `color``category`, dan. `genre`
**Example Contoh 2: Jenis Dataset di Domain METRIK**
Jika Anda ingin memperkirakan metrik utama untuk organisasi Anda—seperti pendapatan, penjualan, dan arus kas—Anda dapat memberikan Amazon Forecast dengan kumpulan data berikut:
+ Kumpulan data deret waktu target yang menyediakan data deret waktu historis untuk metrik yang ingin Anda perkirakan. Jika minat Anda adalah memperkirakan pendapatan semua unit bisnis di organisasi Anda, Anda dapat membuat `target time series` kumpulan data dengan`metric`,`business unit`, dan `metric_value` bidang.
+ Jika Anda memiliki metadata untuk setiap metrik yang tidak diperlukan, seperti `category` atau`location`, Anda dapat memberikan kumpulan data dari deret waktu terkait dan jenis metadata item.
Minimal, Anda harus menyediakan kumpulan data deret waktu target untuk Forecast untuk menghasilkan perkiraan untuk metrik target Anda.
**Example Contoh 3: Jenis Dataset di Domain KUSTOM**
Data pelatihan untuk aplikasi peramalan Anda mungkin tidak sesuai dengan domain Amazon Forecast mana pun. Jika itu masalahnya, pilih domain CUSTOM. Anda harus menyediakan kumpulan data deret waktu target, tetapi Anda dapat menambahkan bidang kustom Anda sendiri.
[Memulai](getting-started.md)Latihan ini memperkirakan penggunaan listrik untuk klien. Data pelatihan penggunaan listrik tidak sesuai dengan domain dataset mana pun, jadi kami menggunakan domain CUSTOM. Dalam latihan, kami hanya menggunakan satu jenis kumpulan data, tipe deret waktu target. Kami memetakan bidang data ke bidang minimum yang diperlukan oleh tipe dataset.
# Domain RITEL
Domain RETAIL mendukung jenis kumpulan data berikut. Untuk setiap jenis kumpulan data, kami mencantumkan bidang wajib dan opsional. Untuk informasi tentang cara memetakan bidang ke kolom dalam data pelatihan Anda, lihat[Dataset Domain dan Jenis Dataset](howitworks-datasets-groups.md#howitworks-dataset-domainstypes).
**Topics**
+ [Jenis Dataset Seri Waktu Target](#target-time-series-type-retail-domain)
+ [Jenis Dataset Seri Waktu Terkait](#related-time-series-type-retail-domain)
+ [Jenis Dataset Metadata Barang](#item-metadata-type-retail-domain)
## Jenis Dataset Seri Waktu Target
Deret waktu target adalah data deret waktu historis untuk setiap item atau produk yang dijual oleh organisasi ritel. Bidang berikut diperlukan:
+ `item_id `(string) — Pengidentifikasi unik untuk item atau produk yang ingin Anda prediksi permintaannya.
+ `timestamp`(stempel waktu)
+ `demand`(float) — Jumlah penjualan untuk item tersebut pada stempel waktu. Ini juga merupakan bidang *target* yang Amazon Forecast menghasilkan perkiraan.
Dimensi berikut adalah opsional dan dapat digunakan untuk mengubah granularitas peramalan:
+ `location`(string) — Lokasi toko tempat barang tersebut dijual. Ini hanya boleh digunakan jika Anda memiliki beberapa toko/lokasi.
Idealnya, hanya bidang yang diperlukan dan dimensi opsional yang harus disertakan. Informasi deret waktu tambahan lainnya harus disertakan dalam kumpulan data deret waktu terkait.
## Jenis Dataset Seri Waktu Terkait
Anda dapat memberikan Amazon Forecast dengan kumpulan data deret waktu terkait, seperti harga atau jumlah klik web item yang diterima pada tanggal tertentu. Semakin banyak informasi yang Anda berikan, semakin akurat ramalannya. Bidang berikut diperlukan:
+ `item_id `(tali)
+ `timestamp `(stempel waktu)
Bidang berikut bersifat opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `price`(float) — Harga barang pada saat stempel waktu.
+ `promotion_applied`(integer; 1=true, 0=false) - Bendera yang menentukan apakah ada promosi pemasaran untuk item tersebut pada stempel waktu.
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
## Jenis Dataset Metadata Barang
Dataset ini menyediakan Amazon Forecast dengan informasi tentang metadata (atribut) dari item yang permintaannya sedang diperkirakan. Bidang berikut diperlukan:
+ `item_id `(tali)
Bidang berikut bersifat opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `category`(tali)
+ `brand`(tali)
+ `color`(tali)
+ `genre`(tali)
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
# Domain KUSTOM
Domain CUSTOM mendukung jenis kumpulan data berikut. Untuk setiap jenis kumpulan data, kami mencantumkan bidang wajib dan opsional. Untuk informasi tentang cara memetakan bidang ke kolom dalam data pelatihan Anda, lihat[Dataset Domain dan Jenis Dataset](howitworks-datasets-groups.md#howitworks-dataset-domainstypes).
**Topics**
+ [Jenis Dataset Seri Waktu Target](#target-time-series-type-custom-domain)
+ [Jenis Dataset Seri Waktu Terkait](#related-time-series-type-custom-domain)
+ [Jenis Dataset Metadata Barang](#item-metadata-type-custom-domain)
## Jenis Dataset Seri Waktu Target
Bidang berikut diperlukan:
+ `item_id `(tali)
+ `timestamp`(stempel waktu)
+ `target_value`(Floating-point integer) — Ini adalah `target` bidang yang Amazon Forecast menghasilkan perkiraan.
Idealnya, hanya bidang wajib ini yang harus disertakan. Informasi deret waktu tambahan lainnya harus disertakan dalam kumpulan data deret waktu terkait.
## Jenis Dataset Seri Waktu Terkait
Bidang berikut diperlukan:
+ `item_id`(tali)
+ `timestamp`(stempel waktu)
Selain bidang yang diperlukan, data pelatihan Anda dapat mencakup bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
## Jenis Dataset Metadata Barang
Bidang berikut diperlukan:
+ `item_id`(tali)
Bidang berikut adalah opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `category`(tali)
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
# Domain INVENTORY\$1PLANNING
Gunakan domain INVENTORY\$1PLANNING untuk memperkirakan permintaan bahan baku dan menentukan berapa banyak persediaan barang tertentu yang akan disimpan. Ini mendukung jenis dataset berikut. Untuk setiap jenis kumpulan data, kami mencantumkan bidang wajib dan opsional. Untuk informasi tentang cara memetakan bidang ke kolom dalam data pelatihan Anda, lihat[Dataset Domain dan Jenis Dataset](howitworks-datasets-groups.md#howitworks-dataset-domainstypes).
**Topics**
+ [Jenis Dataset Seri Waktu Target](#target-time-series-type-inv-planning-domain)
+ [Jenis Dataset Seri Waktu Terkait](#related-time-series-type-related-time-series-domain)
+ [Jenis Dataset Metadata Barang](#item-metadata-type-related-time-series-domain)
## Jenis Dataset Seri Waktu Target
Bidang berikut diperlukan:
+ `item_id`(tali)
+ `timestamp`(stempel waktu)
+ `demand`(float) - Ini adalah `target` bidang di mana Amazon Forecast menghasilkan perkiraan.
Dimensi berikut adalah opsional dan dapat digunakan untuk mengubah granularitas peramalan:
+ `location`(string) — Lokasi pusat distribusi tempat barang disimpan. Ini hanya boleh digunakan jika Anda memiliki beberapa toko/lokasi.
Idealnya, hanya bidang yang diperlukan dan dimensi opsional yang harus disertakan. Informasi deret waktu tambahan lainnya harus disertakan dalam kumpulan data deret waktu terkait.
## Jenis Dataset Seri Waktu Terkait
Bidang berikut diperlukan:
+ `item_id`(tali)
+ `timestamp`(stempel waktu)
Bidang berikut bersifat opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `price`(float) — Harga barang
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
## Jenis Dataset Metadata Barang
Bidang berikut diperlukan:
+ `item_id`(tali)
Bidang berikut bersifat opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `category`(string) — Kategori item.
+ `brand`(string) — Merek item.
+ `lead_time`(string) — Lead time, dalam beberapa hari, untuk memproduksi item.
+ `order_cycle`(string) - Siklus pesanan dimulai saat pekerjaan dimulai dan berakhir saat barang siap dikirim.
+ `safety_stock`(string) — Jumlah minimum stok yang harus disimpan untuk item itu.
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
# Domain KAPASITAS EC2
Gunakan domain KAPASITAS EC2 untuk memperkirakan kapasitas Amazon EC2. Ini mendukung jenis dataset berikut. Untuk setiap jenis kumpulan data, kami mencantumkan bidang wajib dan opsional. Untuk informasi tentang cara memetakan bidang ke kolom dalam data pelatihan Anda, lihat[Dataset Domain dan Jenis Dataset](howitworks-datasets-groups.md#howitworks-dataset-domainstypes).
## Jenis Dataset Seri Waktu Target
Bidang berikut diperlukan:
+ `instance_type`(string) - Jenis contoh (misalnya, c5.xlarge).
+ `timestamp`(stempel waktu)
+ `number_of_instances`(integer) — Jumlah instance dari jenis instance tertentu yang dikonsumsi pada stempel waktu. Ini adalah `target` bidang di mana Amazon Forecast menghasilkan perkiraan.
Dimensi berikut adalah opsional dan dapat digunakan untuk mengubah granularitas peramalan:
+ `location`(string) — Anda dapat memberikan Wilayah AWS, seperti us-west-2 atau us-east-1. Ini hanya boleh digunakan jika Anda memodelkan beberapa Wilayah.
Idealnya, hanya bidang opsional yang diperlukan dan disarankan ini yang harus disertakan. Informasi deret waktu tambahan lainnya harus disertakan dalam kumpulan data deret waktu terkait.
## Jenis Dataset Seri Waktu Terkait
Bidang berikut diperlukan:
+ `instance_type`(tali)
+ `timestamp`(stempel waktu)
Selain bidang yang diperlukan, data pelatihan Anda dapat mencakup bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
# Domain WORK\$1FORCE
Gunakan domain WORK\$1FORCE untuk memperkirakan permintaan tenaga kerja. Ini mendukung jenis dataset berikut. Untuk setiap jenis kumpulan data, kami mencantumkan bidang wajib dan opsional. Untuk informasi tentang cara memetakan bidang ke kolom dalam data pelatihan Anda, lihat[Dataset Domain dan Jenis Dataset](howitworks-datasets-groups.md#howitworks-dataset-domainstypes).
**Topics**
+ [Jenis Dataset Seri Waktu Target](#target-time-series-type-workforce-domain)
+ [Jenis Dataset Seri Waktu Terkait](#related-time-series-type-workforce-domain)
+ [Jenis Dataset Metadata Barang](#item-metadata-type-workforce-domain)
## Jenis Dataset Seri Waktu Target
Bidang berikut diperlukan:
+ `workforce_type`(string) — Jenis tenaga kerja yang diperkirakan. Misalnya, permintaan pusat panggilan atau permintaan tenaga kerja pusat pemenuhan.
+ `timestamp`(stempel waktu)
+ `workforce_demand`(Floating-point integer) — Ini adalah `target` bidang yang Amazon Forecast menghasilkan perkiraan.
Dimensi berikut adalah opsional dan dapat digunakan untuk mengubah granularitas peramalan:
+ `location`(string) — Lokasi di mana sumber daya tenaga kerja dicari. Ini harus digunakan jika Anda memiliki beberapa toko/lokasi.
Idealnya, hanya bidang yang diperlukan dan dimensi opsional yang harus disertakan. Informasi deret waktu tambahan lainnya harus disertakan dalam kumpulan data deret waktu terkait.
## Jenis Dataset Seri Waktu Terkait
Bidang berikut diperlukan:
+ `workforce_type`(tali)
+ `timestamp`(stempel waktu)
Selain bidang yang diperlukan, data pelatihan Anda dapat mencakup bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
## Jenis Dataset Metadata Barang
Bidang berikut diperlukan:
+ `workforce_type`(tali)
Bidang berikut bersifat opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `wages`(float) — Upah rata-rata untuk jenis tenaga kerja tertentu.
+ `shift_length`(string) — Panjang shift.
+ `location`(string) — Lokasi tenaga kerja.
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
# Web\$1TRAFFIC Domain
Gunakan domain WEB\$1TRAFFIC untuk memperkirakan lalu lintas web ke properti web atau sekumpulan properti web. Ini mendukung jenis dataset berikut. Topik yang relevan menjelaskan bidang wajib dan opsional yang didukung oleh jenis kumpulan data. Untuk informasi tentang cara memetakan bidang ini ke kolom dalam data pelatihan Anda, lihat[Dataset Domain dan Jenis Dataset](howitworks-datasets-groups.md#howitworks-dataset-domainstypes).
**Topics**
+ [Jenis Dataset Seri Waktu Target](#target-time-series-type-webtraffic-domain)
+ [Jenis Dataset Seri Waktu Terkait](#related-time-series-type-webtraffic-domain)
## Jenis Dataset Seri Waktu Target
Bidang berikut diperlukan:
+ `item_id`(string) - Pengidentifikasi unik untuk setiap properti web yang diperkirakan.
+ `timestamp`(stempel waktu)
+ `value`(float) - Ini adalah `target` bidang di mana Amazon Forecast menghasilkan perkiraan.
Idealnya, hanya bidang wajib ini yang harus disertakan. Informasi deret waktu tambahan lainnya harus disertakan dalam kumpulan data deret waktu terkait.
## Jenis Dataset Seri Waktu Terkait
Bidang berikut diperlukan:
+ `item_id`(tali)
+ `timestamp`(stempel waktu)
Selain bidang yang diperlukan, data pelatihan Anda dapat mencakup bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
### Jenis Dataset Metadata Barang
Bidang berikut diperlukan:
+ `item_id`(tali)
Bidang berikut adalah opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `category`(tali)
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
# METRIK Domain
Gunakan domain METRIK untuk memperkirakan metrik, seperti pendapatan, penjualan, dan arus kas. Ini mendukung jenis dataset berikut. Untuk setiap jenis kumpulan data, kami mencantumkan bidang wajib dan opsional. Untuk informasi tentang cara memetakan bidang ke kolom dalam data pelatihan Anda, lihat[Dataset Domain dan Jenis Dataset](howitworks-datasets-groups.md#howitworks-dataset-domainstypes).
**Topics**
+ [Jenis Dataset Seri Waktu Target](#target-time-series-type-metrics-domain)
+ [Jenis Dataset Seri Waktu Terkait](#related-time-series-type-metrics-domain)
+ [Jenis Dataset Metadata Barang](#item-metadata-type-metrics-domain)
## Jenis Dataset Seri Waktu Target
Bidang berikut diperlukan:
+ `metric_name`(tali)
+ `timestamp`(stempel waktu)
+ `metric_value`(Floating-point integer) — Ini adalah `target` bidang yang Amazon Forecast menghasilkan perkiraan (misalnya, jumlah pendapatan yang dihasilkan pada hari tertentu).
Idealnya, hanya bidang wajib ini yang harus disertakan. Informasi deret waktu tambahan lainnya harus disertakan dalam kumpulan data deret waktu terkait.
## Jenis Dataset Seri Waktu Terkait
Bidang berikut diperlukan:
+ `metric_name`(tali)
+ `timestamp`(stempel waktu)
Selain bidang yang diperlukan, data pelatihan Anda dapat mencakup bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.
## Jenis Dataset Metadata Barang
Bidang berikut diperlukan:
+ `metric_name`(tali)
Bidang berikut adalah opsional dan mungkin berguna dalam meningkatkan hasil perkiraan:
+ `category`(tali)
Selain bidang opsional yang diperlukan dan disarankan, data pelatihan Anda dapat menyertakan bidang lain. Untuk menyertakan bidang lain dalam kumpulan data, berikan bidang dalam skema saat Anda membuat kumpulan data.