Amazon Forecast 不再提供給新客戶。Amazon Forecast 的現有客戶可以繼續正常使用服務。[進一步了解」](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 整合移動平均自回歸模型 (ARIMA) 演算法
<a name="aws-forecast-recipe-arima"></a>

整合移動自回歸模型 ([ARIMA](https://en.wikipedia.org/wiki/Autoregressive_integrated_moving_average)) 是一種常用的本機統計演算法針對時間序列預測。ARIMA 擷取輸入資料集內的標準時間結構 (規律的時間組織)。Amazon Forecast ARIMA 演算法會在 Comprehensive R Archive Network (CRAN) `Package 'forecast'`的 中呼叫 [Arima 函數](https://cran.r-project.org/web/packages/forecast/forecast.pdf#Rfn.Arima.1)。

## ARIMA 的運作方式
<a name="aws-forecast-recipe-arima-how-it-works"></a>

ARIMA 演算法特別適用於可對應到固定時間序列的資料集。固定的時間序列的統計屬性，例如自回歸模型，與時間無關。資料集的固定時間序列通常由信號和雜訊組成。信號有可能呈現正弦振盪模式或具有季節性成分。ARIMA 的作用類似於過濾器，可將信號與雜訊分離，然後推導未來的信號以進行預測。

## ARIMA 的超參數和調校
<a name="aws-forecast-recipe-arima-hyperparamters"></a>

如需有關 ARIMA 超參數和調校的資訊，請參閱 [CRAN](https://cran.r-project.org) [套件「預測」](https://cran.r-project.org/web/packages/forecast/forecast.pdf)中的`Arima`函數文件。

Amazon Forecast 會使用下表，將 [CreateDataset](API_CreateDataset.md)操作中指定的 `DataFrequency` 參數轉換為 R [ts](https://www.rdocumentation.org/packages/stats/versions/3.6.1/topics/ts) 函數的 `frequency` 參數：


| DataFrequency (字串) | R ts frequency (整數) | 
| --- | --- | 
| Y | 1 | 
| M | 12 | 
| W | 52 | 
| D | 7 | 
| H | 24 | 
| 30min | 2 | 
| 15min | 4 | 
| 10min | 6 | 
| 5min | 12 | 
| 1min | 60 | 

對於小於 24 或短時間序列的頻率，會使用 `Package 'forecast'` [CRAN](https://cran.r-project.org) 的 `auto.arima`函數設定超參數。對於大於或等於 24 的頻率和長時間序列，我們使用 Fourier 序列與 K = 4，如這裡所述，[以長季節期間預測](https://robjhyndman.com/hyndsight/longseasonality/)。

不在資料表中的支援資料頻率預設為 1 的 `ts` 頻率。