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。

# 預先定義的資料集網域和資料集類型
<a name="howitworks-domains-ds-types"></a>

若要訓練預測器，您可以建立一或多個資料集、將其新增到資料集群組，並提供資料集群組用於訓練。

對於您建立的每個資料集，您會建立資料集網域和資料集類型的關聯。*資料集網域*會指定常用案例的預先定義資料集結構描述，而且不會影響模型演算法或超參數。

Amazon Forecast 支援以下資料集網域：
+ [RETAIL 網域](retail-domain.md) – 用於零售需求預測
+ [INVENTORY\$1PLANNING 網域](inv-planning-domain.md) – 用於供應鏈和庫存規劃
+ [EC2 CAPACITY 網域](ec2-capacity-domain.md) – 用於預測 Amazon Elastic Compute Cloud (Amazon EC2) 容量 
+ [WORK\$1FORCE 網域](workforce-domain.md) – 用於人力規劃 
+ [WEB\$1TRAFFIC 網域](webtraffic-domain.md) – 用於估計未來的 Web 流量 
+ [METRICS 網域](metrics-domain.md) – 用於預測指標，例如收入和現金流
+ [CUSTOM 網域](custom-domain.md) – 用於所有其他類型的時間序列預測

每個網域可以有一到三個*資料集類型*。您為網域建立的資料集類型，取決於您擁有的資料類型和您想包含在訓練中的內容。

每個網域都需要目標時間序列資料集，並選擇性地支援相關的時間序列資料集類型和項目中繼資料集類型。

資料集類型為：
+ 目標時間序列 – 唯一必要的資料集類型。此類型定義您要為其產生預測的*目標*欄位。例如，如果要預測一組產品的銷售額，則必須為您要預測的每個產品建立歷史時間序列資料的資料集。同樣地，您可以為您可能想要預測的指標建立目標時間序列資料集，例如營收、現金流和銷售額。
+ 相關時間序列 – 與目標時間序列資料相關的時間序列資料。例如，價格與產品銷售資料相關，所以您可以提供它做為相關時間序列。
+ 項目中繼資料 – 適用於目標時間序列資料的中繼資料。例如，如果您預測特定產品的銷售額，產品屬性 - 例如品牌、顏色和類型 - 將是項目中繼資料的一部分。預測 EC2 執行個體的 EC2 容量時，中繼資料可能包括執行個體類型的 CPU 和記憶體。

對於每個資料集類型，您的輸入資料必須包含特定的必要欄位。您也可以加入 Amazon Forecast 建議您包含的選用欄位。

以下範例說明如何選擇資料集網域和對應的資料集類型。

**Example 範例 1：RETAIL 網域中的資料集類型**  
如果您是對預測項目需求感興趣的零售商，您可以在 RETAIL 網域中建立以下資料集：  
+ 目標時間系列是每個項目 (零售商銷售的每個產品) 的歷史時間序列需求 (銷售額) 資料的必要資料集。在 RETAIL 網域中，這個資料集類型要求資料集包括 `item_id`、`timestamp` 和 `demand` 欄位。`demand` 欄位是預測目標，通常是零售商在特定的一週或一天內銷售的項目數量。
+ 或者，相關時間序列類型的資料集。在 RETAIL 網域中，這個類型可以包含選用 (但建議) 的時間序列資訊，例如 `price`、`inventory_onhand` 和 `webpage_hits`。
+ 或者，項目中繼資料類型的資料集。在 RETAIL 網域中，Amazon Forecast 建議提供與您在目標時間序列中所提供項目相關的中繼資料資訊，例如 `brand`、`color`、`category` 和 `genre`。

**Example 範例 2：METRICS 網域中的資料集類型**  
如果您想要預測組織的關鍵指標，例如營收、銷售和現金流，您可以向 Amazon Forecast 提供下列資料集：  
+ 目標時間序列資料集，提供您想要預測之指標的歷史時間序列資料。如果您想要預測組織中所有業務單位的收入，您可以使用 `metric`、`business unit` 和 `metric_value` 欄位建立 `target time series` 資料集。
+ 如果您的每個指標有任何非必要的中繼資料，例如 `category` 或 `location`，您可以提供相關時間序列和項目中繼資料類型的資料集。
您至少必須提供目標時間序列資料集，供預測產生目標指標的預測。

**Example 範例 3：CUSTOM 網域中的資料集類型**  
您預測應用程式的訓練資料有可能不符合任何 Amazon Forecast 網域。如果是這種情況，請選擇 CUSTOM 網域。您必須提供目標時間序列資料集，但您可以新增自己的自訂欄位。  
[開始使用](getting-started.md)練習預測客戶的用電量。用電量訓練資料不符合任何資料集網域，因此我們使用 CUSTOM 網域。在練習中，我們只使用一個資料集類型：目標時間序列類型。我們將資料欄位對應到資料集類型所需的最少欄位。

# RETAIL 網域
<a name="retail-domain"></a>

RETAIL 網域支援以下資料集類型。對於每個資料集類型，我們列出必要和選用的欄位。如需如何將欄位對應到訓練資料中欄位的詳細資訊，請參閱[資料集網域和資料集類型](howitworks-datasets-groups.md#howitworks-dataset-domainstypes)。

**Topics**
+ [目標時間序列資料集類型](#target-time-series-type-retail-domain)
+ [相關時間序列資料集類型](#related-time-series-type-retail-domain)
+ [項目中繼資料集類型](#item-metadata-type-retail-domain)

## 目標時間序列資料集類型
<a name="target-time-series-type-retail-domain"></a>

目標時間序列是零售組織所銷售每個項目或產品的歷史時間序列資料。下列是必要欄位：
+ `item_id ` （字串） – 您要預測需求之項目或產品的唯一識別符。
+ `timestamp` (時間戳記)
+ `demand` （浮點數） – 時間戳記時該項目的銷售量。這也是 Amazon Forecast 產生預測的*目標*欄位。

下列是選用維度，可用來變更預測精細程度：
+ `location` （字串） – 販售項目的存放區位置。這應該只在您有多個商店/地點時使用。

最理想的狀況，是僅應包含這些必要欄位和選用維度。其他額外的時間序列資訊應該包含在相關時間序列資料集中。

## 相關時間序列資料集類型
<a name="related-time-series-type-retail-domain"></a>

您可以提供 Amazon Forecast 相關時間序列資料集，例如價格或項目在特定日期收到的網頁點擊次數。您提供的資訊越多，預測就越準確。下列是必要欄位：
+ `item_id ` (string)
+ `timestamp ` (時間戳記)

下列是選用欄位，可能有助於改善預測結果：
+ `price` （浮點數） – 時間戳記時項目的價格。
+ `promotion_applied` （整數；1=true，0=false) – 指定該項目在時間戳記時是否有行銷促銷的旗標。

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

## 項目中繼資料集類型
<a name="item-metadata-type-retail-domain"></a>

此資料集提供 Amazon Forecast 有關要預測其需求之項目的中繼資料 (屬性) 相關資訊。下列是必要欄位：
+ `item_id ` (string)

下列是選用欄位，可能有助於改善預測結果：
+ `category` (string)
+ `brand` (string)
+ `color` (string)
+ `genre` (string)

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

# CUSTOM 網域
<a name="custom-domain"></a>

CUSTOM 網域支援以下資料集類型。對於每個資料集類型，我們列出必要和選用的欄位。如需如何將欄位對應到訓練資料中欄位的詳細資訊，請參閱[資料集網域和資料集類型](howitworks-datasets-groups.md#howitworks-dataset-domainstypes)。

**Topics**
+ [目標時間序列資料集類型](#target-time-series-type-custom-domain)
+ [相關時間序列資料集類型](#related-time-series-type-custom-domain)
+ [項目中繼資料集類型](#item-metadata-type-custom-domain)

## 目標時間序列資料集類型
<a name="target-time-series-type-custom-domain"></a>

下列是必要欄位：
+ `item_id ` (string)
+ `timestamp` (時間戳記)
+ `target_value` （浮點整數） – 這是 Amazon Forecast 產生預測`target`的欄位。

最理想的狀況，是僅應包含這些必要欄位。其他額外的時間序列資訊應該包含在相關時間序列資料集中。

## 相關時間序列資料集類型
<a name="related-time-series-type-custom-domain"></a>

下列是必要欄位：
+ `item_id` (string)
+ `timestamp` (時間戳記)

除了必要欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

## 項目中繼資料集類型
<a name="item-metadata-type-custom-domain"></a>

下列欄位是必要的：
+ `item_id` (string)

下列是選用欄位，可能有助於改善預測結果：
+ `category` (string)

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

# INVENTORY\$1PLANNING 網域
<a name="inv-planning-domain"></a>

將 INVENTORY\$1PLANNING 網域用於預測原料需求並確定要庫存之特定項目的庫存量。它支援下列資料集類型。對於每個資料集類型，我們列出必要和選用的欄位。如需如何將欄位對應到訓練資料中欄位的詳細資訊，請參閱[資料集網域和資料集類型](howitworks-datasets-groups.md#howitworks-dataset-domainstypes)。

**Topics**
+ [目標時間序列資料集類型](#target-time-series-type-inv-planning-domain)
+ [相關時間序列資料集類型](#related-time-series-type-related-time-series-domain)
+ [項目中繼資料集類型](#item-metadata-type-related-time-series-domain)

## 目標時間序列資料集類型
<a name="target-time-series-type-inv-planning-domain"></a>

下列是必要欄位：
+ `item_id` (string)
+ `timestamp` (時間戳記)
+ `demand` （浮點數） – 這是 Amazon Forecast 產生預測`target`的欄位。

下列是選用維度，可用來變更預測精細程度：
+ `location` （字串） – 存放項目的分發中心位置。這應該只在您有多個商店/地點時使用。

最理想的狀況，是僅應包含這些必要欄位和選用維度。其他額外的時間序列資訊應該包含在相關時間序列資料集中。

## 相關時間序列資料集類型
<a name="related-time-series-type-related-time-series-domain"></a>

下列是必要欄位：
+ `item_id` (string)
+ `timestamp` (時間戳記)

下列是選用欄位，可能有助於改善預測結果：
+ `price` （浮點數） – 項目的價格 

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

## 項目中繼資料集類型
<a name="item-metadata-type-related-time-series-domain"></a>

下列是必要欄位：
+ `item_id` (string)

下列是選用欄位，可能有助於改善預測結果：
+ `category` （字串） – 項目的類別。
+ `brand` （字串） – 項目的品牌。
+ `lead_time` （字串） – 製造項目的前置時間，以天為單位。
+ `order_cycle` （字串） – 訂單週期會在工作開始時開始，並在項目準備好交付時結束。
+ `safety_stock` （字串） – 該項目的庫存量下限。

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

# EC2 CAPACITY 網域
<a name="ec2-capacity-domain"></a>

使用 EC2 CAPACITY 網域預測 Amazon EC2 容量。它支援下列資料集類型。對於每個資料集類型，我們列出必要和選用的欄位。如需如何將欄位對應到訓練資料中欄位的詳細資訊，請參閱[資料集網域和資料集類型](howitworks-datasets-groups.md#howitworks-dataset-domainstypes)。

## 目標時間序列資料集類型
<a name="target-time-series-type-ec2-capacity-domain"></a>

下列是必要欄位：
+ `instance_type` （字串） – 執行個體的類型 （例如 c5.xlarge)。
+ `timestamp` (時間戳記)
+ `number_of_instances` （整數） – 在時間戳記時耗用的該特定執行個體類型的執行個體數量。這是 Amazon Forecast 產生預測的 `target` 欄位。

下列是選用維度，可用來變更預測精細程度：
+ `location` （字串） – 您可以提供 AWS 區域，例如 us-west-2 或 us-east-1。只您建立多區域模型時才應該使用此維度。

最理想的狀況，是僅應包含這些必要和建議的選用欄位。其他額外的時間序列資訊應該包含在相關時間序列資料集中。

## 相關時間序列資料集類型
<a name="related-time-series-type-ec2-capacity-domain"></a>

下列是必要欄位：
+ `instance_type` (string)
+ `timestamp` (時間戳記)

除了必要欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

# WORK\$1FORCE 網域
<a name="workforce-domain"></a>

使用 WORK\$1FORCE 網域來預測人力需求。它支援下列資料集類型。對於每個資料集類型，我們列出必要和選用的欄位。如需如何將欄位對應到訓練資料中欄位的詳細資訊，請參閱[資料集網域和資料集類型](howitworks-datasets-groups.md#howitworks-dataset-domainstypes)。

**Topics**
+ [目標時間序列資料集類型](#target-time-series-type-workforce-domain)
+ [相關時間序列資料集類型](#related-time-series-type-workforce-domain)
+ [項目中繼資料集類型](#item-metadata-type-workforce-domain)

## 目標時間序列資料集類型
<a name="target-time-series-type-workforce-domain"></a>

下列是必要欄位：
+ `workforce_type` （字串） – 正在預測的人力人力類型。例如，電話語音中心需求或履行中心勞動力需求。
+ `timestamp` (時間戳記)
+ `workforce_demand` （浮點整數） – 這是 Amazon Forecast 產生預測`target`的欄位。

下列是選用維度，可用來變更預測精細程度：
+ `location` （字串） – 尋求人力資源的位置。如果您有多個商店/地點，則應該使用此維度。

最理想的狀況，是僅應包含這些必要欄位和選用維度。其他額外的時間序列資訊應該包含在相關時間序列資料集中。

## 相關時間序列資料集類型
<a name="related-time-series-type-workforce-domain"></a>

下列是必要欄位：
+ `workforce_type` (string)
+ `timestamp` (時間戳記)

除了必要欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

## 項目中繼資料集類型
<a name="item-metadata-type-workforce-domain"></a>

下列欄位是必要的：
+ `workforce_type` (string)

下列是選用欄位，可能有助於改善預測結果：
+ `wages` （浮點數） – 該特定人力資源類型的平均薪資。
+ `shift_length` （字串） – 輪班的長度。
+ `location` （字串） – 人力的位置。

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

# WEB\$1TRAFFIC 網域
<a name="webtraffic-domain"></a>

使用 WEB\$1TRAFFIC 網域來預測一個或一組 Web 屬性的 Web 流量。它支援下列資料集類型。相關主題說明資料集類型支援的必要和選用欄位。如需如何將這些欄位對應到訓練資料中欄位的詳細資訊，請參閱[資料集網域和資料集類型](howitworks-datasets-groups.md#howitworks-dataset-domainstypes)。

**Topics**
+ [目標時間序列資料集類型](#target-time-series-type-webtraffic-domain)
+ [相關時間序列資料集類型](#related-time-series-type-webtraffic-domain)

## 目標時間序列資料集類型
<a name="target-time-series-type-webtraffic-domain"></a>

下列是必要欄位：
+ `item_id` （字串） – 要預測的每個 Web 屬性的唯一識別符。
+ `timestamp` (時間戳記)
+ `value` （浮點數） – 這是 Amazon Forecast 產生預測`target`的欄位。

最理想的狀況，是僅應包含這些必要欄位。其他額外的時間序列資訊應該包含在相關時間序列資料集中。

## 相關時間序列資料集類型
<a name="related-time-series-type-webtraffic-domain"></a>

下列是必要欄位：
+ `item_id` (string)
+ `timestamp` (時間戳記)

除了必要欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

### 項目中繼資料集類型
<a name="idem-metadata-type-webtraffic-domain"></a>

下列欄位是必要的：
+ `item_id` (string)

下列是選用欄位，可能有助於改善預測結果：
+ `category` (string)

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

# METRICS 網域
<a name="metrics-domain"></a>

使用 METRICS 網域來預測指標，例如收入、銷售額和現金流。它支援下列資料集類型。對於每個資料集類型，我們列出必要和選用的欄位。如需如何將欄位對應到訓練資料中欄位的詳細資訊，請參閱[資料集網域和資料集類型](howitworks-datasets-groups.md#howitworks-dataset-domainstypes)。

**Topics**
+ [目標時間序列資料集類型](#target-time-series-type-metrics-domain)
+ [相關時間序列資料集類型](#related-time-series-type-metrics-domain)
+ [項目中繼資料集類型](#item-metadata-type-metrics-domain)

## 目標時間序列資料集類型
<a name="target-time-series-type-metrics-domain"></a>

下列是必要欄位：
+ `metric_name` (string)
+ `timestamp` (時間戳記)
+ `metric_value` （浮點整數） – 這是 Amazon Forecast 產生預測`target`的欄位 （例如，特定日期產生的收入量）。

最理想的狀況，是僅應包含這些必要欄位。其他額外的時間序列資訊應該包含在相關時間序列資料集中。

## 相關時間序列資料集類型
<a name="related-time-series-type-metrics-domain"></a>

下列是必要欄位：
+ `metric_name` (string)
+ `timestamp` (時間戳記)

除了必要欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。

## 項目中繼資料集類型
<a name="item-metadata-type-metrics-domain"></a>

下列欄位是必要的：
+ `metric_name` (string)

下列是選用欄位，可能有助於改善預測結果：
+ `category` (string)

除了必要欄位和建議選用欄位，您的訓練資料也可以包含其他欄位。若要在資料集中包含其他欄位，請在建立資料集時以結構描述提供欄位。