O Amazon Forecast não está mais disponível para novos clientes. Os clientes existentes do Amazon Forecast podem continuar usando o serviço normalmente. [Saiba mais](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Como treinar preditores
<a name="howitworks-predictor"></a>

Preditor é um modelo do Amazon Forecast treinado usando séries temporais de destino, séries temporais relacionadas, metadados do item e todos os conjuntos de dados adicionais incluídos. É possível usar preditores para gerar previsões com base em dados de séries temporais. 

Por padrão, o Amazon Forecast cria um AutoPredictor, onde o Forecast aplica a combinação ideal de algoritmos a cada série temporal em seus conjuntos de dados.

**Topics**
+ [Como criar um preditor](#creating-predictors)
+ [Atualizando para AutoPredictor](#upgrading-autopredictor)
+ [Agregação de dados para diferentes frequências de previsão](data-aggregation.md)
+ [Usar conjuntos de dados adicionais](#using-additional-datasets)
+ [Trabalhar com preditores antigos](#legacy-predictors)
+ [Avaliação da precisão do preditor](metrics.md)
+ [Preditores de reciclagem](retrain-predictors.md)
+ [Weather Index](weather.md)
+ [Caracterização Holidays](holidays.md)
+ [Explicabilidade do preditor](predictor-explainability.md)
+ [Monitoramento de preditores](predictor-monitoring.md)
+ [Algoritmos do Amazon Forecast](aws-forecast-choosing-recipes.md)

## Como criar um preditor
<a name="creating-predictors"></a>

Para treinar um preditor, o Amazon Forecast precisa das seguintes entradas:
+ **Grupo de conjuntos de dados**: um grupo de conjuntos de dados que deve incluir um conjunto de dados de séries temporais de destino. O conjunto de dados de séries temporais de destino inclui o atributo de destino (`item_id`) e o atributo de carimbo de data e hora, bem como todas as dimensões. As séries temporais relacionadas e os metadados do item são opcionais. Para obter mais informações, consulte [Importação de conjuntos de dados](howitworks-datasets-groups.md).
+ **Frequência de previsão:** a granularidade de suas previsões (por hora, diariamente, semanalmente etc.). O Amazon Forecast permite determinar a granularidade exata das previsões ao fornecer a unidade de frequência e o valor. Somente valores inteiros são permitidos    
[See the AWS documentation website for more details](http://docs.aws.amazon.com/pt_br/forecast/latest/dg/howitworks-predictor.html)

  Por exemplo, se quiser previsões a cada duas semanas, a unidade de frequência será por semana e o valor será 2. Ou, se quiser previsões trimestrais, a unidade de frequência será mensal e o valor será 3.

  Quando os dados são coletados com uma frequência maior do que a prevista, eles são agregados à frequência da previsão. Isso inclui a série temporal final e os dados relacionados. Para obter mais informações sobre agregações, consulte [Agregação de dados para diferentes frequências de previsão](data-aggregation.md).
+ **Horizonte de previsão**: o número de etapas de tempo que estão sendo previstas.

Também é possível definir valores para as seguintes entradas opcionais:
+  **Limite de alinhamento de tempo**: o tempo que o Forecast usa para agregar os dados e gerar previsões alinhadas à frequência de previsão especificada. Para obter mais informações sobre agregações, consulte [Agregação de dados para diferentes frequências de previsão](data-aggregation.md). Para obter informações sobre como especificar um limite de tempo, consulte [Limites de tempo](data-aggregation.md#time-boundaries). 
+ **Dimensões de previsão**: dimensões são atributos opcionais no conjunto de dados de séries temporais de destino que podem ser usados em combinação com o valor de destino (`item_id`) para criar séries temporais separadas.
+ **Tipos de previsão**: os quantis usados para avaliar o preditor.
+ **Métrica de otimização**: a métrica de precisão usada para otimizar o preditor.
+ **Conjuntos de dados adicionais**: conjuntos de dados integrados do Amazon Forecast, como Weather Index e Holidays.

É possível criar um preditor utilizando o kit de desenvolvimento de software (SDK) ou o console do Amazon Forecast.

------
#### [ Console ]

**Para criar um preditor**

1. Faça login Console de gerenciamento da AWS e abra o console do Amazon Forecast em [https://console.aws.amazon.com/forecast/](https://console.aws.amazon.com/forecast/).

1. Na página **Grupos de conjuntos de dados**, escolha seu grupo de conjuntos de dados.

1. No painel de navegação, selecione **Preditores**.

1. Escolha **Treinar novo preditor**.

1. Forneça os valores para os seguintes campos obrigatórios:
   +  **Nome**: um nome de preditor exclusivo.
   + **Frequência de previsão**: a granularidade das previsões.
   + **Horizonte de previsão**: o número de etapas de tempo a serem previstas.

1. Escolha **Iniciar**.

Para obter informações sobre conjuntos de dados adicionais, consulte [Weather Index](weather.md) e [Caracterização Holidays](holidays.md). Para saber mais sobre como personalizar tipos de previsão e métricas de otimização, consulte [Avaliação da precisão do preditor](metrics.md).

------
#### [ AWS CLI ]

Para criar um preditor automático com o AWS CLI, use o `create-predictor` comando. O seguinte código cria um preditor automático que faz previsões para 14 dias no futuro. 

Forneça um nome para o preditor e o nome do recurso da Amazon (ARN) do grupo de conjuntos de dados que inclui os dados de treinamento. Opcionalmente, modifique o horizonte e a frequência da previsão. Se desejar, adicione tags ao preditor. Para obter mais informações, consulte [Marcação de recursos do Amazon Forecast](tagging-forecast-resources.md). 

Para obter informações sobre os parâmetros obrigatórios e opcionais, 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 saber mais sobre como personalizar tipos de previsão e métricas de otimização, consulte [Avaliação da precisão do preditor](metrics.md). Os conjuntos de dados adicionais Weather Index e Holidays são definidos no tipo de dados `DataConfig`. Para obter informações sobre conjuntos de dados adicionais, consulte [Weather Index](weather.md) e [Caracterização Holidays](holidays.md).

------
#### [ Python ]

Para criar um preditor automático com o SDK para Python (Boto3), use o método `create_auto_predictor`. O seguinte código cria um preditor automático que faz previsões para 14 dias no futuro. 

Forneça um nome para o preditor e o nome do recurso da Amazon (ARN) do grupo de conjuntos de dados que inclui os dados de treinamento. Opcionalmente, modifique o horizonte e a frequência da previsão. Se desejar, adicione tags ao preditor. Para obter mais informações, consulte [Marcação de recursos do Amazon Forecast](tagging-forecast-resources.md). 

Para obter informações sobre os parâmetros obrigatórios e opcionais, 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 saber mais sobre como personalizar tipos de previsão e métricas de otimização, consulte [Avaliação da precisão do preditor](metrics.md). Os conjuntos de dados adicionais Weather Index e Holidays são definidos no tipo de dados `DataConfig`. Para obter informações sobre conjuntos de dados adicionais, consulte [Weather Index](weather.md) e [Caracterização Holidays](holidays.md).

------

## Atualizando para AutoPredictor
<a name="upgrading-autopredictor"></a>

**Cadernos Python**  
Para obter um step-by-step guia sobre como atualizar preditores para AutoPredictor, consulte [Atualizando um](https://github.com/aws-samples/amazon-forecast-samples/blob/main/notebooks/basic/Upgrading_to_AutoPredictor/UpgradeToAutoPredictor.ipynb) preditor para. AutoPredictor

Os preditores criados com AutoML ou seleção manual CreatePredictor () podem ser atualizados para um. AutoPredictor A atualização de um to existente AutoPredictor transferirá todas as configurações relevantes do preditor.

Após a atualização para AutoPredictor, o preditor original permanecerá ativo e o preditor atualizado terá um ARN de preditor separado. Isso permite comparar métricas de precisão entre os dois preditores e ainda é possível gerar previsões com o preditor original.

É possível atualizar um preditor utilizando o kit de desenvolvimento de software (SDK) ou o console do Amazon Forecast.

------
#### [ Console ]

**Como atualizar um preditor**

1. Faça login Console de gerenciamento da AWS e abra o console do Amazon Forecast em [https://console.aws.amazon.com/forecast/](https://console.aws.amazon.com/forecast/).

1. No painel de navegação, selecione **Preditores**.

1. Selecione o preditor a ser atualizado e escolha **Atualizar**.

1. Defina um nome exclusivo para o preditor atualizado.

1. Escolha **Atualizar para AutoPredictor**.

------
#### [ CLI ]

Para atualizar um preditor com o AWS CLI, use o `create-predictor` método, mas especifique *somente* o nome do preditor e o valor do `reference-predictor-arn` (o ARN do preditor que você deseja atualizar). 

```
aws forecast create-predictor \
--predictor-name {{predictor_name}} \
--reference-predictor-arn arn:aws:forecast:{{region}}:{{account}}:predictor/{{predictorName}}
```

------
#### [ Python ]

Para atualizar um preditor com o SDK para Python (Boto3), use o método `create_auto_predictor`, mas especifique *somente* o nome do preditor e o valor de `ReferencePredictorArn` (o ARN do preditor a ser atualizado). 

```
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'])
```

------

## Usar conjuntos de dados adicionais
<a name="using-additional-datasets"></a>

Ao criar o preditor, o Amazon Forecast pode incluir o Weather Index e o Holidays. O Weather Index incorpora informações meteorológicas ao modelo, e o Holidays inclui informações sobre feriados nacionais.

O Weather Index exige um atributo de “geolocalização” no conjunto de dados de séries temporais de destino e informações sobre fusos horários para os carimbos de data e hora. Para obter mais informações, consulte [Weather Index](weather.md).

O Holidays inclui informações sobre feriados em mais de 250 países. Para obter mais informações, consulte [Caracterização Holidays](holidays.md).

## Trabalhar com preditores antigos
<a name="legacy-predictors"></a>

**nota**  
Para atualizar um preditor existente para AutoPredictor, consulte [Atualizando para AutoPredictor](#upgrading-autopredictor)

AutoPredictor é o método padrão e preferido para criar um preditor com o Amazon Forecast. AutoPredictor cria preditores aplicando a combinação ideal de algoritmos para cada série temporal em seu conjunto de dados.

Os preditores criados com geralmente AutoPredictor são mais precisos do que os criados com AutoML ou seleção manual. Os recursos de explicabilidade do Forecast e de retreinamento de preditores estão disponíveis somente para preditores criados com. AutoPredictor

O Amazon Forecast também pode criar preditores antigos das seguintes maneiras:

1. **AutoML**: o Forecast encontra o algoritmo de melhor performance e o aplica a todo o conjunto de dados.

1. **Seleção manual**: selecione manualmente um único algoritmo a ser aplicado a todo o conjunto de dados.

Talvez você consiga criar um preditor antigo usando o kit de desenvolvimento de software (SDK).

------
#### [ SDK ]

**Como usar o AutoML**

Utilizando a operação [`CreatePredictor`](API_CreatePredictor.md), defina o valor de `PerformAutoML` como `"true"`.

```
{
    ...
    "PerformAutoML": "true",
}
```

Se você usa o AutoML, não pode definir um valor para os seguintes CreatePredictor parâmetros:`AlgorithmArn`,,`HPOConfig`. `TrainingParameters`

------