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。

# Prophet 演算法
<a name="aws-forecast-recipe-prophet"></a>

[Prophet](https://facebook.github.io/prophet/) 是一種熱門的本機 Bayesian 貝式結構時間序列模型。Amazon Forecast Prophet 演算法使用 [Prophet Python 實作的 Prophet 類別](https://facebook.github.io/prophet/docs/quick_start.html#python-ap)。

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

Prophet 特別適用於資料集具備：
+ 包含很長時間 (數月或數年) 的詳細歷史觀察 (每小時、每天或每週)
+ 有多個強烈的季節性
+ 包括之前已知的重要 (但不規則) 的事件
+ 有遺漏的資料點或大型極端值
+ 有接近極限的非線性成長趨勢

Prophet 是附加的回歸模型，具備分段線性或邏輯成長曲線趨勢。它包含使用傅立葉序列的每年季節性元件模型，以及使用 dummy 變數的每週使用季節元件模型。

如需詳細資訊，請參閱 [Prophet：預測的比例](https://research.facebook.com/blog/2017/2/prophet-forecasting-at-scale/)。

## Prophet 超參數和相關時間序列
<a name="aws-forecast-recipe-prophet-hyperparamters"></a>

Amazon Forecast 使用預設的 Prophet [超參數](https://facebook.github.io/prophet/docs/quick_start.html#python-ap)。Prophet 也支援相關時間序列做為功能，在相關時間序列 CSV 檔案中提供給 Amazon Forecast。