Amazon Forecast non è più disponibile per i nuovi clienti. I clienti esistenti di Amazon Forecast possono continuare a utilizzare il servizio normalmente. [Scopri di più»](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Nozioni di base
Per iniziare a usare Amazon Forecast, procedi come descritto di seguito.
+ Crea un set di dati Forecast e importa i dati di allenamento.
+ Crea un Forecast predittor, che utilizzi per generare previsioni basate sui dati delle tue serie temporali. Forecast applica la combinazione ottimale di algoritmi a ogni serie temporale dei tuoi set di dati.
+ Genera una previsione.
In questo esercizio, si utilizza una versione modificata di un set di dati sull'utilizzo dell'elettricità disponibile al pubblico per addestrare un predittore. Per ulteriori informazioni, vedere Set di dati [ElectricityLoadDiagrams2011-2014](https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014). Di seguito sono riportare righe di esempio del set di dati:
```
2014-01-01 01:00:00, 2.53807106598985, client_0
2014-01-01 01:00:00, 23.648648648648624, client_1
2014-01-01 02:00:00, 9.648648648612345, client_0
```
In questo esercizio viene utilizzato il set di dati per eseguire il training di un predittore e quindi viene generata la previsione di consumo orario di elettricità del client.
È possibile utilizzare la console Forecast o AWS Command Line Interface (AWS CLI) per questo esercizio. Presta attenzione alle regioni predefinite della console Amazon Forecast, a e ad Amazon Forecast SDKs, poiché le risorse Amazon Forecast non sono condivise tra le regioni. AWS CLI
**Importante**
Prima di iniziare, assicurati di avere un file Account AWS e di aver installato il AWS CLI. Per ulteriori informazioni, consulta [Configurazione](setup.md). Ti consigliamo anche di rivedere [Scopri come funziona Amazon Forecast](how-it-works.md).
**Topics**
+ [Preparazione dei dati di input](#gs-upload-data-to-s3)
+ [Nozioni di base (Console)](gs-console.md)
+ [Nozioni di base (AWS CLI)](gs-cli.md)
+ [Guida introduttiva (taccuini Python)](getting-started-python.md)
+ [Pulizia delle risorse](#gs-cleanup)
## Preparazione dei dati di input
Indipendentemente dal fatto che utilizzi la console Amazon Forecast o AWS Command Line Interface (AWS CLI) per configurare un progetto di previsione, devi configurare i dati di input. Per preparare i dati, esegui le seguenti operazioni:
+ Scarica i dati di allenamento sul tuo computer e caricali in un bucket Amazon Simple Storage Service (Amazon S3) nel tuo. Account AWS Per importare i dati in un set di dati Amazon Forecast, devi archiviarli in un bucket Amazon S3.
+ Crea un ruolo AWS Identity and Access Management (IAM). Concedi ad Amazon Forecast l'autorizzazione ad accedere al tuo bucket S3 con il ruolo IAM. Per ulteriori informazioni sui ruoli IAM, consulta [Ruoli IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html) nella *Guida per l'utente di IAM*.
**Per preparare i dati di training**
1. Scaricare il file ZIP, [electricityusagedata.zip](samples/electricityusagedata.zip).
Per questo esercizio, utilizzi una versione modificata del set di dati sul consumo di energia elettrica dei singoli nuclei domestici. (Dua, D. e Karra Taniskidou, E. (2017). Archivio UCI Machine Learning [[http://archive.ics.uci.edu/ml](http://archive.ics.uci.edu/ml)]. Irvine, CA: Università della California, Facoltà di Informazione e Informatica.) I dati di utilizzo vengono aggregati su base oraria.
1. Decomprimere il contenuto e salvarlo localmente come `electricityusagedata.csv`.
1. Caricare il file di dati in un bucket &S3.
Per step-by-step istruzioni, consulta [Caricamento di file e cartelle tramite Drag and Drop](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) nella *Guida per l'utente di Amazon Simple Storage Service*.
1. Crea un ruolo IAM.
Se desideri utilizzare l' AWS CLI esercizio Getting Started, devi creare un ruolo IAM. Se si utilizza la console, è possibile configurarla per creare automaticamente il ruolo. Per step-by-step istruzioni, consulta[Impostazione delle autorizzazioni per Amazon Forecast](aws-forecast-iam-roles.md).
Dopo aver completato il caricamento dei dati su Amazon S3, sei pronto per utilizzare la console Amazon Forecast o AWS CLI importare dati di allenamento, creare un predittore, generare una previsione e visualizzare la previsione.
+ [Nozioni di base (Console)](gs-console.md)
+ [Nozioni di base (AWS CLI)](gs-cli.md)
## Pulizia delle risorse
Per evitare di incorrere in spese superflue, elimina le risorse create una volta terminata l'esercitazione delle nozioni di base. Per eliminare le risorse, usa la console Amazon Forecast o il `Delete` APIs from SDKs o il AWS Command Line Interface (AWS CLI). Ad esempio, usa l'API [DeleteDataset](API_DeleteDataset.md) per eliminare un set di dati.
Per eliminare una risorsa, il suo stato deve essere `ACTIVE`, `CREATE_FAILED`, o `UPDATE_FAILED`. Controlla lo stato utilizzando `Describe` APIs, ad esempio,[DescribeDataset](API_DescribeDataset.md).
Alcune risorse devono essere eliminate prima di altre, come mostrato nella seguente tabella. Questo processo può richiedere alcuni minuti.
Per eliminare i dati di training che hai caricato, ` electricityusagedata.csv`, consulta[Come eliminare oggetti da un bucket S3?](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html).
| Risorsa da eliminare | Elimina prima | Note |
| --- | --- | --- |
| ForecastExportJob | | |
| Forecast | | Non è possibile eliminare una previsione durante l'esportazione. Dopo l'eliminazione di una previsione, non è più possibile eseguire query sulla previsione. |
| Predictor | Tutte le previsioni associate. | |
| DatasetImportJob | | Non può essere eliminata. |
| Dataset | | Anche tutti i `DatasetImportJob` che hanno come target il set di dati vengono eliminati.
Non è possibile eliminare un `Dataset` utilizzato da un predittore. |
| DatasetSchema | Tutti i dataset che fanno riferimento allo schema. | |
| DatasetGroup | Tutti i predittori associatiTutte le previsioni associate.
Tutti i set di dati nel gruppo di set di dati. | Non è possibile eliminare un `DatasetGroup` contenente un `Dataset` utilizzato da un predittore. |