Prasyarat Hak istimewa yang diperlukan Pengendalian biaya MODEL CREATE penuh Parameter

BUAT MODEL

Topik

Prasyarat
Hak istimewa yang diperlukan
Pengendalian biaya
MODEL CREATE penuh
Parameter
Catatan penggunaan
Kasus penggunaan

Prasyarat

Sebelum Anda menggunakan pernyataan CREATE MODEL, lengkapi prasyarat di. Penyiapan klaster untuk menggunakan Amazon Redshift ML Berikut ini adalah ringkasan prasyarat tingkat tinggi.

Buat klaster Amazon Redshift dengan AWS Management Console atau AWS Command Line Interface (CLI AWS ).
Lampirkan kebijakan AWS Identity and Access Management (IAM) saat membuat cluster.
Untuk memungkinkan Amazon Redshift dan SageMaker AI untuk mengambil peran untuk berinteraksi dengan layanan lain, tambahkan kebijakan kepercayaan yang sesuai ke peran IAM.

Untuk detail tentang peran IAM, kebijakan kepercayaan, dan prasyarat lainnya, lihat. Penyiapan klaster untuk menggunakan Amazon Redshift ML

Berikut ini, Anda dapat menemukan kasus penggunaan yang berbeda untuk pernyataan CREATE MODEL.

Hak istimewa yang diperlukan

Berikut ini adalah hak istimewa yang diperlukan untuk CREATE MODEL:

Superuser
Pengguna dengan hak istimewa CREATE MODEL
Peran dengan hak istimewa GRANT CREATE MODEL

Pengendalian biaya

Amazon Redshift MLmenggunakan sumber daya kluster yang ada untuk membuat model prediksi, sehingga Anda tidak perlu membayar biaya tambahan. Namun, Anda mungkin memiliki biaya tambahan jika Anda perlu mengubah ukuran cluster Anda atau ingin melatih model Anda. Amazon Redshift MLmenggunakan Amazon SageMaker AI untuk melatih model, yang memang memiliki biaya terkait tambahan. Ada beberapa cara untuk mengontrol biaya tambahan, seperti membatasi jumlah waktu maksimum yang dapat diambil pelatihan atau dengan membatasi jumlah contoh pelatihan yang digunakan untuk melatih model Anda. Untuk informasi selengkapnya, lihat Biaya untuk menggunakan Amazon Redshift Ml.

MODEL CREATE penuh

Berikut ini merangkum opsi dasar dari sintaks CREATE MODEL lengkap.

Sintaks CREATE MODEL penuh

Berikut ini adalah sintaks lengkap dari pernyataan CREATE MODEL.

penting

Saat membuat model menggunakan pernyataan CREATE MODEL, ikuti urutan kata kunci dalam sintaks berikut.


CREATE MODEL model_name
FROM { table_name | ( select_statement )  | 'job_name' }
[ TARGET column_name ]
FUNCTION function_name [ ( data_type [, ...] ) ] 
[ RETURNS data_type ] 
  -- supported only for BYOM
[ SAGEMAKER 'endpoint_name'[:'model_name']] 
  -- supported only for BYOM remote inference
IAM_ROLE { default | 'arn:aws:iam::<account-id>:role/<role-name>' }
[ AUTO ON / OFF ]
  -- default is AUTO ON
[ MODEL_TYPE { XGBOOST | MLP | LINEAR_LEARNER | KMEANS | FORECAST } ]
  -- not required for non AUTO OFF case, default is the list of all supported types
  -- required for AUTO OFF
[ PROBLEM_TYPE ( REGRESSION | BINARY_CLASSIFICATION | MULTICLASS_CLASSIFICATION ) ]
  -- not supported when AUTO OFF
[ OBJECTIVE ( 'MSE' | 'Accuracy' | 'F1' | 'F1_Macro' | 'AUC' |
             'reg:squarederror' | 'reg:squaredlogerror'| 'reg:logistic'|
             'reg:pseudohubererror' | 'reg:tweedie' | 'binary:logistic' | 'binary:hinge',
             'multi:softmax' | 'RMSE' | 'WAPE' | 'MAPE' | 'MASE' | 'AverageWeightedQuantileLoss' ) ]
  -- for AUTO ON: first 5 are valid
  -- for AUTO OFF: 6-13 are valid
  -- for FORECAST: 14-18 are valid
[ PREPROCESSORS 'string' ]
  -- required for AUTO OFF, when it has to be 'none'
  -- optional for AUTO ON
[ HYPERPARAMETERS { DEFAULT | DEFAULT EXCEPT ( Key 'value' (,...) ) } ]
  -- support XGBoost hyperparameters, except OBJECTIVE
  -- required and only allowed for AUTO OFF
  -- default NUM_ROUND is 100
  -- NUM_CLASS is required if objective is multi:softmax (only possible for AUTO OFF)
 [ SETTINGS (
   S3_BUCKET 'amzn-s3-demo-bucket',  |
    -- required
  TAGS 'string', |
    -- optional
  KMS_KEY_ID 'kms_string', |
    -- optional
  S3_GARBAGE_COLLECT on / off, |
    -- optional, defualt is on.
  MAX_CELLS integer, |
    -- optional, default is 1,000,000
  MAX_RUNTIME integer (, ...) |
    -- optional, default is 5400 (1.5 hours)
  HORIZON integer, |
    -- required if creating a forecast model
  FREQUENCY integer, |
    -- required if creating a forecast model
  PERCENTILES string, |
    -- optional if creating a forecast model
  MAX_BATCH_ROWS integer -- optional for BYOM remote inference
    ) ]

Parameter

nama_model

Nama modul. Nama model dalam skema harus unik.

DARI {table_name | (select_query) | 'job_name'}

Table_name atau kueri yang menentukan data pelatihan. Mereka dapat berupa tabel yang ada di sistem, atau kueri SELECT yang kompatibel dengan Amazon RedShift yang diapit dengan tanda kurung, yaitu (). Setidaknya harus ada dua kolom dalam hasil kueri.

TARGET kolom_name

Nama kolom yang menjadi target prediksi. Kolom harus ada dalam klausa FROM.

FUNGSI function_name (data_type [,...])

Nama fungsi yang akan dibuat dan tipe data dari argumen masukan. Anda dapat memberikan nama skema skema dalam database Anda, bukan nama fungsi.

RETURNS data_type

Tipe data yang akan dikembalikan dari fungsi model. Tipe SUPER data yang dikembalikan hanya berlaku untuk BYOM dengan inferensi jarak jauh.

SAGEMAKER 'endpoint_name' [:' model_name ']

Nama titik akhir Amazon SageMaker AI. Jika nama titik akhir menunjuk ke titik akhir multimodel, tambahkan nama model yang akan digunakan. Titik akhir harus di-host Wilayah AWS sama dengan cluster Amazon Redshift.

<account-id><role-name>IAM_ROLE {default | 'arn:aws:iam: ::role/ '}

Gunakan kata kunci default agar Amazon Redshift menggunakan peran IAM yang ditetapkan sebagai default dan terkait dengan cluster saat perintah CREATE MODEL berjalan. Atau, Anda dapat menentukan ARN dari peran IAM untuk menggunakan peran itu.

[OTOMATIS MENYALA/MATI]

Mengaktifkan atau menonaktifkan CREATE MODEL penemuan otomatis preprocessor, algoritma, dan pemilihan hyper-parameter. Menentukan saat membuat model Forecast menunjukkan penggunaan AutoPredictor, di mana Amazon Forecast menerapkan kombinasi algoritma yang optimal untuk setiap deret waktu dalam kumpulan data Anda.

MODEL_TYPE {XGBOOST | MLP | LINEAR_LEARNER | KMEANS | PRAKIRAAN}

(Opsional) Menentukan jenis model. Anda dapat menentukan apakah Anda ingin melatih model jenis model tertentu, seperti, multilayer perceptron (MLP) XGBoost, KMEANS, atau Linear Learner, yang semuanya merupakan algoritme yang didukung Amazon AI Autopilot. SageMaker Jika Anda tidak menentukan parameter, maka semua jenis model yang didukung dicari selama pelatihan untuk model terbaik. Anda juga dapat membuat model perkiraan di Redshift MLuntuk membuat perkiraan deret waktu yang akurat.

PROBLEM_TYPE (REGRESI | BINARY_CLASSIFICATION | MULTICLASS_CLASSIFICATION)

(Opsional) Menentukan jenis masalah. Jika Anda mengetahui jenis masalahnya, Anda dapat membatasi Amazon Redshift hanya untuk mencari model terbaik dari jenis model tertentu. Jika Anda tidak menentukan parameter ini, jenis masalah ditemukan selama pelatihan, berdasarkan data Anda.

(Opsional) Menentukan nama metrik objektif yang digunakan untuk mengukur kualitas prediktif dari sistem pembelajaran mesin. Metrik ini dioptimalkan selama pelatihan untuk memberikan perkiraan terbaik untuk nilai parameter model dari data. Jika Anda tidak menentukan metrik secara eksplisit, perilaku defaultnya adalah menggunakan MSE: untuk regresi secara otomatis, F1: untuk klasifikasi biner, Akurasi: untuk klasifikasi multiclass. Untuk informasi selengkapnya tentang tujuan, lihat MLJobObjektif Otomatis di parameter tugas Referensi dan Pembelajaran Amazon SageMaker AI API dalam dokumentasi XGBOOST. Nilai RMSE, WAPE, MAPE, MASE, dan hanya berlaku untuk model AverageWeightedQuantileLoss Forecast. Untuk informasi selengkapnya, lihat operasi API CreateAutoPredictor.

PREPROCESSORS 'string'

(Opsional) Menentukan kombinasi tertentu dari preprocessors untuk set tertentu kolom. Formatnya adalah daftar ColumnSets, dan transformasi yang sesuai untuk diterapkan ke setiap set kolom. Amazon Redshift menerapkan semua transformator dalam daftar transformator tertentu ke semua kolom yang sesuai. ColumnSet Misalnya, untuk menerapkan OneHotEncoder dengan Imputer ke kolom t1 dan t2, gunakan perintah contoh berikut.


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'
)

HYPERPARAMETERS {DEFAULT | DEFAULT KECUALI (kunci 'nilai' (,..))}

Menentukan apakah XGBoost parameter default digunakan atau diganti oleh nilai-nilai yang ditentukan pengguna. Nilai-nilai harus diapit dengan tanda kutip tunggal. Berikut ini adalah contoh parameter untuk XGBoost dan defaultnya.

Nama parameter	Nilai parameter	Nilai default	Catatan
num_class	Bilangan Bulat	Diperlukan untuk klasifikasi Multiclass.	N/A
num_round	Bilangan Bulat	100	N/A
tree_method	String	Otomatis	N/A
max_depth	Bilangan Bulat	6	[0, 10]
min_child_weight	Desimal	1	MinValue: 0, MaxValue: 120
subsampel	Desimal	1	MinValue: 0,5, MaxValue: 1
gama	Desimal	0	MinValue: 0, MaxValue: 5
alfa	Desimal	0	MinValue: 0, MaxValue: 1000
eta	Desimal	0,3	MinValue: 0,1, MaxValue: 0,5
colsample_byleve	Desimal	1	MinValue: 0,1, MaxValue: 1
colsample_bynode	Desimal	1	MinValue: 0,1, MaxValue: 1
colsample_bytree	Desimal	1	MinValue: 0,5, MaxValue: 1
lambda	Desimal	1	MinValue: 0, MaxValue: 1000
max_delta_step	Bilangan Bulat	0	[0, 10]

Klausa S3_BUCKET menentukan lokasi Amazon S3 yang digunakan untuk menyimpan hasil perantara.

(Opsional) Parameter TAGS adalah daftar pasangan nilai kunci yang dipisahkan koma yang dapat Anda gunakan untuk menandai sumber daya yang dibuat di Amazon SageMaker AI; dan Amazon Forecast. Tag membantu Anda mengatur sumber daya dan mengalokasikan biaya. Nilai dalam pasangan adalah opsional, sehingga Anda dapat membuat tag dengan menggunakan format key=value atau hanya dengan membuat kunci. Untuk informasi selengkapnya tentang tag di Amazon Redshift, lihat Ringkasan penandaan.

(Opsional) KMS_KEY_ID menentukan apakah Amazon Redshift menggunakan enkripsi sisi server dengan kunci untuk melindungi data saat istirahat. AWS KMS Data dalam perjalanan dilindungi dengan Secure Sockets Layer (SSL).

(Opsional) S3_GARBAGE_COLLECT {ON | OFF} menentukan apakah Amazon Redshift melakukan pengumpulan sampah pada kumpulan data yang dihasilkan yang digunakan untuk melatih model dan model. Jika disetel ke OFF, kumpulan data yang dihasilkan digunakan untuk melatih model dan model tetap di Amazon S3 dan dapat digunakan untuk tujuan lain. Jika disetel ke ON, Amazon Redshift menghapus artefak di Amazon S3 setelah pelatihan selesai. Defaultnya adalah ON.

(Opsional) MAX_CELLS menentukan jumlah sel dalam data pelatihan. Nilai ini adalah produk dari jumlah catatan (dalam kueri atau tabel pelatihan) dikalikan jumlah kolom. Default adalah 1.000.000.

(Opsional) MAX_RUNTIME menentukan jumlah maksimum waktu untuk melatih. Pekerjaan pelatihan sering selesai lebih cepat tergantung pada ukuran dataset. Ini menentukan jumlah waktu maksimum yang harus diambil pelatihan. Defaultnya adalah 5.400 (90 menit).

HORIZON menentukan jumlah maksimum prediksi model perkiraan dapat kembali. Setelah model dilatih, Anda tidak dapat mengubah bilangan bulat ini. Parameter ini diperlukan jika melatih model perkiraan.

FREKUENSI menentukan seberapa terperinci dalam satuan waktu yang Anda inginkan prakiraannya. Pilihan yang tersedia adalahY | M | W | D | H | 30min | 15min | 10min | 5min | 1min. Parameter ini diperlukan jika melatih model perkiraan.

(Opsional) PERCENTILES adalah string yang dibatasi koma yang menentukan jenis perkiraan yang digunakan untuk melatih prediktor. Jenis Forecast dapat berupa kuantil dari 0,01 hingga 0,99, dengan penambahan 0,01 atau lebih tinggi. Anda juga dapat menentukan perkiraan rata-rata dengan mean. Anda dapat menentukan maksimal lima jenis perkiraan.

MAX_BATCH_ROWS bilangan bulat

(Opsional) Jumlah maksimum baris yang dikirimkan Amazon Redshift dalam satu permintaan batch untuk satu pemanggilan SageMaker AI. Ini hanya didukung untuk BYOM dengan inferensi jarak jauh. Nilai minimum parameter ini adalah 1. Nilai maksimumnya adalahINT_MAX, atau 2.147.483.647. Parameter ini diperlukan hanya ketika input dan tipe data yang dikembalikan adalah SUPER. Nilai defaultnya adalahINT_MAX, atau 2.147,483.647.

Awas Javascript dinonaktifkan atau tidak tersedia di browser Anda.

Untuk menggunakan Dokumentasi AWS, Javascript harus diaktifkan. Lihat halaman Bantuan browser Anda untuk petunjuk.

Konvensi Dokumen

BUAT TAMPILAN TERWUJUD

Catatan penggunaan