CREATE MODEL

Nom du modèle. Le nom du modèle d’un schéma doit être unique.

Le table_name ou la requête qui spécifie les données d’entraînement. Il peut s'agir d'une table existante dans le système ou d'une SELECT requête compatible avec Amazon Redshift entre parenthèses, c'est-à-dire (). Le résultat de la requête doit contenir au moins deux colonnes.

Nom de la colonne qui devient la cible de la prédiction. La colonne doit exister dans la FROM clause.

Nom de la fonction à créer et types de données des arguments d’entrée. Vous pouvez fournir le nom d'un schéma dans votre base de données au lieu d'un nom de fonction.

Type de données à renvoyer par la fonction du modèle. Le type de SUPER données renvoyé ne s'applique qu'BYOMà l'inférence à distance.

Le nom du point de SageMaker terminaison Amazon. Si le nom du point de terminaison pointe vers un point de terminaison multimodèle, ajoutez le nom du modèle à utiliser. Le point de terminaison doit être hébergé au même Région AWS endroit que le cluster Amazon Redshift.

Utilisez le mot clé par défaut pour qu'Amazon Redshift utilise le IAM rôle défini par défaut et associé au cluster lors de l'exécution de la CREATE MODEL commande. Vous pouvez également spécifier un ARN IAM rôle pour utiliser ce rôle.

Active ou désactive la découverte CREATE MODEL automatique de la sélection du préprocesseur, de l'algorithme et des hyperparamètres. Lorsque vous créez un modèle de prévision, vous devez utiliser un AutoPredictor, où Amazon Forecast applique les combinaisons optimales d'algorithmes à chaque série chronologique de votre ensemble de données.

(Facultatif) Spécifie le type de modèle. Vous pouvez spécifier si vous souhaitez entraîner un modèle d'un type de modèle spécifiqueXGBoost, tel que le perceptron multicouche (MLP) ou le Linear LearnerKMEANS, qui sont tous des algorithmes pris en charge par Amazon SageMaker Autopilot. Si vous ne spécifiez pas le paramètre, tous les types de modèles pris en charge sont recherchés pendant l’entraînement pour trouver le meilleur modèle. Vous pouvez également créer un modèle de prévision dans Redshift ML pour créer des prévisions chronologiques précises.

(Facultatif) Spécifie le type de problème. Si vous connaissez le type de problème, vous pouvez limiter la recherche Amazon Redshift au meilleur modèle de ce type en particulier. Si vous ne spécifiez pas ce paramètre, un type de problème est détecté pendant l’entraînement, en fonction de vos données.

(Facultatif) Spécifie le nom de la métrique d’objectif utilisée pour mesurer la qualité prédictive d’un système de machine learning. Cette métrique est optimisée pendant l’entraînement afin de fournir la meilleure estimation des valeurs des paramètres du modèle à partir des données. Si vous ne spécifiez pas de métrique de manière explicite, le comportement par défaut est d'utiliser automatiquement MSE : pour la régression, F1 : pour la classification binaire, Exactitude : pour la classification multiclasse. Pour plus d'informations sur les objectifs, consultez A utoMLJob Objective dans le Amazon SageMaker API Reference et les paramètres des tâches d'apprentissage dans la XGBOOST documentation. Les valeursRMSE,WAPE, MAPEMASE, et ne s' AverageWeightedQuantileLoss appliquent qu'aux modèles Forecast. Pour plus d'informations, consultez l'CreateAutoPredictorAPIopération.

(Facultatif) Spécifie certaines combinaisons de préprocesseurs à certains ensembles de colonnes. Le format est une liste de columnSets colonnes et les transformations appropriées à appliquer à chaque ensemble de colonnes. Amazon Redshift applique tous les transformateurs d'une liste de transformateurs spécifique à toutes les colonnes de la liste correspondante. ColumnSet Par exemple, pour appliquer OneHotEncoder avec Imputer aux colonnes t1 et t2, utilisez l'exemple de commande suivant.

CREATE MODEL customer_churn
FROM customer_data
TARGET 'Churn'
FUNCTION predict_churn
IAM_ROLE { default | 'arn:aws:iam::<account-id>:role/<role-name>' }
PROBLEM_TYPE BINARY_CLASSIFICATION
OBJECTIVE 'F1'
PREPROCESSORS '[
...
  {"ColumnSet": [
      "t1",
      "t2"
    ],
    "Transformers": [
      "OneHotEncoder",
      "Imputer"
    ]
  },
  {"ColumnSet": [
      "t3"
    ],
    "Transformers": [
      "OneHotEncoder"
    ]
  },
  {"ColumnSet": [
      "temp"
    ],
    "Transformers": [
      "Imputer",
      "NumericPassthrough"
    ]
  }
]'
SETTINGS (
  S3_BUCKET 'amzn-s3-demo-bucket'
)

Spécifie si les XGBoost paramètres par défaut sont utilisés ou remplacés par des valeurs spécifiées par l'utilisateur. Les valeurs doivent être entre guillemets simples. Vous trouverez ci-dessous des exemples de paramètres pour XGBoost et leurs valeurs par défaut.

La BUCKET clause S3_ spécifie l'emplacement Amazon S3 utilisé pour stocker les résultats intermédiaires.

(Facultatif) Le TAGS paramètre est une liste séparée par des virgules de paires clé-valeur que vous pouvez utiliser pour étiqueter les ressources créées dans Amazon ; et SageMaker Amazon Forecast. Les balises permettent d’organiser les ressources et d’imputer les coûts. Les valeurs de la paire étant facultatives, vous pouvez créer des balises en utilisant le format key=value ou en créant simplement une clé. Pour en savoir plus sur les balises dans Amazon Redshift, consultez Présentation du balisage.

(Facultatif) KMS _ KEY _ID indique si Amazon Redshift utilise le chiffrement côté serveur avec AWS KMS une clé pour protéger les données au repos. Les données en transit sont protégées par le protocole Secure Sockets Layer (SSL).

(Facultatif) S3_ GARBAGE _ COLLECT {ON |OFF} indique si Amazon Redshift collecte les déchets sur les ensembles de données obtenus et utilisés pour entraîner les modèles et les modèles. Si cette valeur est définie surOFF, les ensembles de données résultants utilisés pour entraîner les modèles restent dans Amazon S3 et peuvent être utilisés à d'autres fins. Si la valeur est définie sur ON, Amazon Redshift supprime les artefacts dans Amazon S3 une fois l’entraînement terminé. La valeur par défaut est ON.

(Facultatif) MAX _ CELLS indique le nombre de cellules dans les données d'entraînement. Cette valeur est le produit du nombre d’enregistrements (dans la requête d’entraînement ou dans la table) multiplié par le nombre de colonnes. La valeur par défaut est 1 000 000.

(Facultatif) MAX _ RUNTIME indique la durée maximale de l'entraînement. Les tâches d’entraînement se terminent souvent plus tôt en fonction de la taille du jeu de données. Ce nombre spécifie la durée maximale de l’entraînement. La valeur par défaut est 5 400 (90 minutes).

HORIZONindique le nombre maximum de prédictions que le modèle de prévision peut renvoyer. Une fois le modèle entraîné, vous ne pouvez pas modifier cet entier. Ce paramètre est obligatoire pour l’entraînement d’un modèle de prévision.

FREQUENCYindique dans quelle mesure vous souhaitez que les prévisions soient granulaires en unités de temps. Les options disponibles sont Y | M | W | D | H | 30min | 15min | 10min | 5min | 1min. Ce paramètre est obligatoire pour l’entraînement d’un modèle de prévision.

(Facultatif) PERCENTILES est une chaîne délimitée par des virgules qui spécifie les types de prévisions utilisés pour entraîner un prédicteur. Les types de prévisions peuvent être des quantiles compris entre 0,01 et 0,99, par incréments de 0,01 ou plus. Vous pouvez également spécifier la prévision moyenne à l’aide de la moyenne. Vous pouvez spécifier un maximum de cinq types de prévisions.

(Facultatif) Le nombre maximum de lignes qu'Amazon Redshift envoie dans une seule demande par lot pour un seul SageMaker appel. Il n'est pris en charge que pour BYOM l'inférence à distance. La valeur minimale pour ce paramètre est 1. La valeur maximale est INT_MAX de 2 147 483 647. Ce paramètre est obligatoire uniquement lorsque les types de données en entrée et en sortie le sont SUPER. La valeur par défaut est INT_MAX 2 147 483 647.