Amazon Redshift unterstützt UDFs ab Patch 198 nicht mehr die Erstellung von neuem Python. Das bestehende Python UDFs wird bis zum 30. Juni 2026 weiterhin funktionieren. Weitere Informationen finden Sie im [Blog-Posting](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/).
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Funktion EXPLAIN\$1MODEL
Die Funktion EXPLAIN\$1MODEL gibt einen SUPER-Datentyp zurück, der einen Bericht zur Erklärung des Modells im JSON-Format enthält. Der Erklärbarkeitsbericht enthält Informationen zum Shapley-Wert für alle Modell-Features.
Die EXPLAIN\$1MODEL-Funktion unterstützt derzeit nur die Modelle AUTO ON oder AUTO OFF. XGBoost
Wenn der Erklärbarkeitsbericht nicht verfügbar ist, gibt die Funktion Status zurück, die den Fortschritt des Modells anzeigen. Dies sind beispielsweise `Waiting for training job to complete`, `Waiting for processing job to complete` und `Processing job failed`.
Wenn Sie die Anweisung CREATE MODEL ausführen, wird der Erklärungsstatus zu `Waiting for training job to complete` geändert. Wenn das Modell trainiert wurde und eine Erklärungsanforderung gesendet wurde, wird der der Erklärungsstatus zu `Waiting for processing job to complete` geändert. Wenn die Modellerklärung erfolgreich abgeschlossen wurde, steht der gesamte Erklärbarkeitsbericht zur Verfügung. Andernfalls wird der Status zu `Processing job failed` geändert.
Wenn Sie die CREATE MODEL-Anweisung ausführen, können Sie den optionalen `MAX_RUNTIME`-Parameter zur Angabe der maximalen Zeit verwenden, die das Training in Anspruch nehmen soll. Sobald die Modellerstellung diesen Zeitraum erreicht hat, beendet Amazon Redshift die Erstellung des Modells. Wenn Sie dieses Zeitlimit bei der Erstellung eines Autopilot-Modells erreichen, gibt Amazon Redshift das bis dahin beste Modell zurück. Die Erklärbarkeit des Modells wird verfügbar, sobald das Modelltraining abgeschlossen ist. Wenn `MAX_RUNTIME` auf einen niedrigen Zeitraum eingestellt wurde, ist der Erklärbarkeitsbericht möglicherweise nicht verfügbar. Die Trainingszeit variiert und hängt von der Modellkomplexität, der Datengröße und anderen Faktoren ab.
## Syntax
```
EXPLAIN_MODEL ('schema_name.model_name')
```
## Argument
*schema\$1name*
Der Name des Schemas. Wenn kein schema\$1name angegeben wird, wird das aktuelle Schema ausgewählt.
*model\$1name*
Der Name des Modells Der Modellname in einem Schema muss eindeutig sein.
## Rückgabetyp
Die Funktion EXPLAIN\$1MODEL gibt einen SUPER-Datentyp zurück, wie nachstehend gezeigt.
```
{"version":"1.0","explanations":{"kernel_shap":{"label0":{"global_shap_values":{"x0":0.05,"x1":0.10,"x2":0.30,"x3":0.15},"expected_value":0.50}}}}
```
## Beispiele
Im folgenden Beispiel wird der Erklärungsstatus `waiting for training job to complete` zurückgegeben.
```
select explain_model('customer_churn_auto_model');
explain_model
--------------------------------------------------------
{"explanations":"waiting for training job to complete"}
(1 row)
```
Wenn die Modellerklärung erfolgreich abgeschlossen wurde, steht der gesamte Erklärbarkeitsbericht zur Verfügung. Dies sieht wie folgt aus.
```
select explain_model('customer_churn_auto_model');
explain_model
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
{"version":"1.0","explanations":{"kernel_shap":{"label0":{"global_shap_values":{"x0":0.05386043365892927,"x1":0.10801289723274592,"x2":0.23227865827017378,"x3":0.0676685133940455,"x4":0.0897097667672375,"x5":0.08502141653270926,"x6":0.07581993936077065,"x7":0.16462880604578135},"expected_value":0.8492974042892456}}}}
(1 row)
```
Da die Funktion EXPLAIN\$1MODEL den Datentyp SUPER zurückgibt, können Sie den Erklärbarkeitsbericht abfragen. So können Sie `global_shap_values`, `expected_value` oder Feature-spezifische Shapley-Werte extrahieren.
Im folgenden Beispiel wird `global_shap_values` für das Modell extrahiert.
```
select json_table.report.explanations.kernel_shap.label0.global_shap_values from (select explain_model('customer_churn_auto_model') as report) as json_table;
global_shap_values
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
{"state":0.10983770427197151,"account_length":0.1772441398408543,"area_code":0.08626823968639591,"phone":0.0736669595282712,"intl_plan":3.344907436910987,"vmail_plan":0.09646600597854467,"vmail_message":0.2064922655089351,"day_mins":2.015038015251777,"day_calls":0.13179511076780168,"day_charge":0.4941091720480879,"eve_mins":0.46081379198626105,"eve_calls":0.16913440417758477,"eve_charge":0.09651014369401761,"night_mins":0.44218153640050845,"night_calls":0.15311640089218997,"night_charge":0.13850366104495426,"intl_mins":0.7583662464883899,"intl_calls":0.47144468610485685,"intl_charge":0.10945894673611875,"cust_serv_calls":0.31822051038387733}
(1 row)
```
Im folgenden Beispiel wird `global_shap_values` für das Feature x0 extrahiert.
```
select json_table.report.explanations.kernel_shap.label0.global_shap_values.x0 from (select explain_model('customer_churn_auto_model') as report) as json_table;
x0
------------------------
0.05386043365892927
(1 row)
```
Wenn das Modell in einem bestimmten Schema erstellt wird und Sie Zugriff auf das erstellte Modell haben, können Sie die Modellerklärung wie folgt abfragen.
```
-- Check the current schema
SHOW search_path;
search_path
------------------
$user, public
(1 row)
-- If you have the privilege to access the model explanation
-- in `test_schema`
SELECT explain_model('test_schema.test_model_name');
explain_model
---------------------------------------------------------
{"explanations":"waiting for training job to complete"}
(1 row)
```