Amazon Redshift ML 的教程 - Amazon Redshift

Amazon Redshift ML 的教程

可以使用 Amazon Redshift ML 通过 SQL 语句训练机器学习模型,并在 SQL 查询中调用模型以进行预测。Amazon Redshift 中的机器学习使用一个 SQL 命令训练模型。Amazon Redshift 自动启动 Amazon SageMaker AI 中的训练作业,并生成一个模型。创建模型后,您就可以使用模型的预测函数在 Amazon Redshift 中执行预测。

按照这些教程中的步骤了解 Amazon Redshift ML 功能:

  • 教程:构建客户流失模型 – 在本教程中,您使用 Amazon Redshift ML 通过 CREATE MODEL 命令创建客户流失模型,并针对用户场景运行预测查询。然后,您可以使用 CREATE MODEL 命令生成的 SQL 函数来实施查询。

  • 教程:构建远程推理模型 – 下面的教程介绍有关如何创建 Random Cut Forest model 的步骤,该模型以前在 Amazon Redshift 之外的 Amazon SageMaker AI 中进行过训练和部署。

  • 教程:构建 K 均值聚类模型 – 在本教程中,您使用 Amazon Redshift ML 基于 K 均值算法,创建、训练和部署一个机器学习模型。

  • 教程:构建多类别分类模型 – 在本教程中,您使用 Amazon Redshift ML 创建机器学习模型来解决多类别分类问题。多类别分类算法将数据点划分为三个或更多类别中的一个类别。然后,您可以使用 CREATE MODEL 命令生成的 SQL 函数来实施查询。

  • 教程:构建 XGBoost 模型 – 在本教程中,您使用来自 Amazon S3 的数据创建模型,并使用 Amazon Redshift ML 对模型运行预测查询。XGBoost 算法是梯度提升树算法的一种优化实施。

  • 教程:构建回归模型 – 在本教程中,您使用 Amazon Redshift ML 创建机器学习回归模型,并对该模型运行预测查询。回归模型允许您预测数值结果,例如房屋价格,或有多少人将使用城市的自行车租赁服务。

  • 教程:使用线性学习器构建回归模型 – 在本教程中,您使用来自 Amazon S3 的数据创建线性学习器模型,并使用 Amazon Redshift ML 对模型运行预测查询。SageMaker AI 线性学习器算法可解决回归或多类别分类问题。

  • 教程:使用线性学习器构建多类别分类模型 – 在本教程中,您使用来自 Amazon S3 的数据创建线性学习器模型,然后使用 Amazon Redshift ML 对模型运行预测查询。SageMaker AI 线性学习器算法可解决回归或分类问题。