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.
# Automatizzazione con CloudFormation
In questo tutorial, utilizzi uno stack di AWS CloudFormation automazione per avviare una pipeline Amazon Forecast e generare previsioni utilizzando un set di dati dimostrativo.
Lo CloudFormation stack AWS Forecast:
+ Implementa il CloudFormation modello [Improving Forecast Accuracy with Machine Learning Solution](https://docs.aws.amazon.com/solutions/latest/improving-forecast-accuracy-with-machine-learning/automated-deployment.html).
+ Implementa i [set di dati NYC Taxi nel bucket](https://registry.opendata.aws/nyc-tlc-trip-records-pds/) Forecast Data Amazon S3.
+ Avvia automaticamente la pipeline demo di previsione dei taxi di New York in Forecast.
Il CloudFormation modello è precaricato con serie temporali target, serie temporali correlate e set di dati dimostrativi di metadati degli articoli. I campi pertinenti nella console sono precompilati con le rispettive posizioni S3.
Dopo aver completato questo tutorial utilizzando i set di dati dimostrativi, puoi utilizzare lo stesso stack di automazione per generare previsioni con i tuoi set di dati.
Il diagramma seguente mostra i componenti utilizzati in questo tutorial.
![\[AWS data pipeline for Amazon Forecast, showing data preparation, ingestion, forecasting, and evaluation stages.\]](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-architecture.png)
## Prerequisiti
Prima di iniziare il tutorial, assicurati di aver effettuato l'accesso Account AWS e di aver installato il CloudFormation modello:
1. Accedi al tuo. Account AWS Se non ne hai già uno, [crea un Account AWS](https://aws.amazon.com/premiumsupport/knowledge-center/create-and-activate-aws-account/).
1. Installa il AWS CloudFormation modello. Scegli la regione più vicina a te:
+ Tokyo: [ap-northeast-1](https://console.aws.amazon.com/cloudformation/home?region=ap-northeast-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ [Seul: ap-northeast-2](https://console.aws.amazon.com/cloudformation/home?region=ap-northeast-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ [Mumbai: ap-south-1](https://console.aws.amazon.com/cloudformation/home?region=ap-south-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ Singapore: [ap-southeast-1](https://console.aws.amazon.com/cloudformation/home?region=ap-southeast-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ Sydney: [ap-southeast-2](https://console.aws.amazon.com/cloudformation/home?region=ap-southeast-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ Francoforte: [eu-cental-1](https://console.aws.amazon.com/cloudformation/home?region=eu-central-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ Irlanda[: eu-west-1](https://console.aws.amazon.com/cloudformation/home?region=eu-west-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ [Virginia del Nord: us-east-1](https://console.aws.amazon.com/cloudformation/home?region=us-east-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ [Ohio: us-east-2](https://console.aws.amazon.com/cloudformation/home?region=us-east-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
+ [Oregon: us-west-2](https://console.aws.amazon.com/cloudformation/home?region=us-west-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
[Questo implementa uno stack dimostrativo utilizzando il NYC Taxi Dataset.](https://registry.opendata.aws/nyc-tlc-trip-records-pds/)
## Implementazione di un CloudFormation modello per l'automazione Forecast
Per distribuire il CloudFormation modello utilizzando il NYC Taxi Dataset
**Passaggio 1****: Accetta le impostazioni predefinite e scegli Avanti.**
![\[Create stack interface showing template options and Amazon S3 URL input field.\]](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-step1.png)
**Passo 2****: Fornisci un indirizzo email per le notifiche e scegli Avanti.**
![\[Datasets configuration form with URL fields for time series data and email input for forecast results.\]](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-step2.png)
**Passaggio 3****: Accetta le impostazioni predefinite e scegli Avanti.**
**Passaggio 4**: Per Funzionalità, seleziona entrambe le caselle di controllo per consentire la creazione CloudFormation di risorse AWS Identity and Access Management (IAM) e stack annidati. Seleziona **Crea stack**.
![\[Capabilities section with checkboxes for IAM resources and CloudFormation capability acknowledgments.\]](http://docs.aws.amazon.com/it_it/forecast/latest/dg/images/cloudformationautomation-step4.png)
Hai distribuito un CloudFormation modello in Forecast.
## Pulizia
Dopo aver distribuito questo CloudFormation modello, puoi ripulire le risorse appena create, distribuire lo CloudFormation stack utilizzando i tuoi set di dati ed esplorare altre opzioni di distribuzione.
+ **Pulizia**: l'eliminazione dello stack demo mantiene lo stack «Improving Forecast Accuracy with Machine Learning». L'eliminazione dello stack «Improving Forecast Accuracy with Machine Learning» conserva tutti i dati di S3, Athena QuickSight e Forecast.
+ **Utilizzo dei tuoi set** **di dati: per implementare questo CloudFormation modello con i tuoi dati di serie temporali, inserisci le posizioni S3 dei tuoi set di dati nella sezione Configurazione dei set di dati del passaggio 2.**
+ **Altre opzioni di distribuzione: per ulteriori opzioni di distribuzione**[, consulta Distribuzione automatizzata.](https://docs.aws.amazon.com/solutions/latest/improving-forecast-accuracy-with-machine-learning/automated-deployment.html) Se i dati sono già disponibili, puoi distribuire lo stack senza i dati dimostrativi.