Amazon Redshift 將不再支援從修補程式 198 開始建立新的 Python UDFs。現有 Python UDF 將繼續正常運作至 2026 年 6 月 30 日。如需詳細資訊，請參閱[部落格文章](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)。

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。

# 使用須知
<a name="r_create_model_usage_notes"></a>

使用 CREATE MODEL 時，請考量下列事項。
+ CREATE MODEL 陳述式會以非同步模式運作，並在將訓練資料匯出至 Amazon S3 時傳回。Amazon SageMaker AI 中的其餘訓練步驟會在背景中進行。訓練正在進行中時，對應的推論函數會顯示，但無法執行。您可以查詢 [STV\$1ML\$1MODEL\$1INFO](r_STV_ML_MODEL_INFO.md) 以查看訓練狀態。
+ 根據預設，在自動模式中，訓練最多可在背景執行 90 分鐘，而且可以延長。若要取消訓練，只要執行 [DROP MODEL](r_DROP_MODEL.md) 命令即可。
+ 您用來建立模型的 Amazon Redshift 叢集，以及用來暫存訓練資料和模型成品的 Amazon S3 儲存貯體必須位於相同 AWS 區域。
+ 在模型訓練期間，Amazon Redshift 和 SageMaker AI 會將中繼成品儲存在您提供的 Amazon S3 儲存貯體中。根據預設，Amazon Redshift 會在 CREATE MODEL 操作結束時執行垃圾回收。Amazon Redshift 會從 Amazon S3 中移除這些物件。若要將這些成品保留在 Amazon S3 上，請設定 S3\$1GARBAGE COLLECT OFF 選項。
+ 您必須在 FROM 子句中提供的訓練資料中使用至少 500 個資料列。
+ 使用 CREATE MODEL 陳述式時，您最多只能在 FROM \$1 table\$1name \$1 ( select\$1query ) \$1 子句中指定 256 個特徵 (輸入) 資料欄。
+ 若是 AUTO ON，您可以用來做為訓練集的資料欄類型為 SMALLINT、INTEGER、BIGINT、DECIMAL、REAL、DOUBLE、BOOLEAN、CHAR、VARCHAR、DATE、TIME、TIMETZ、TIMESTAMP 和 TIMESTAMPTZ。若是 AUTO OFF，您可以用來做為訓練集的資料欄類型為 SMALLINT、INTEGER、BIGINT、DECIMAL、REAL、DOUBLE 和 BOOLEAN。
+ 您不能使用 DECIMAL、DATE、TIME、TIMETZ、TIMESTAMP、TIMESTAMPTZ、GEOMETRY、GEOGRAPHY、HLLSKETCH、SUPER 或 VARBYTE 做為目標資料欄類型。
+ 若要改善模型精確度，請執行下列其中一項操作：
  + 當您在 FROM 子句中指定訓練資料時，在 CREATE MODEL 命令中盡可能多新增相關資料欄。
  + 使用較大的值做為 MAX\$1RUNTIME 和 MAX\$1CELLS。此參數的值越大，訓練模型的成本也會增加。
+ 只要計算訓練資料並將其匯出至 Amazon S3 儲存貯體，就會立即傳回 CREATE MODEL 陳述式執行。在此之後，您可以使用 SHOW MODEL 命令檢查訓練的狀態。在背景訓練的模型失敗時，您可以使用 SHOW MODEL 來檢查錯誤。您無法重試失敗的模型。使用 DROP MODEL 可移除失敗的模型並重新建立新模型。如需 SHOW MODEL 的相關資訊，請參閱 [SHOW MODEL](r_SHOW_MODEL.md)。
+ 本機 BYOM 支援 Amazon Redshift ML 在非 BYOM 案例中支援的同類型模型。Amazon Redshift 支援一般 XGBoost (使用 XGBoost 1.0 版或更新版本)、不含預處理器的 KMEANS 模型，以及由 Amazon SageMaker AI Autopilot 訓練的 XGBOOST/MLP/線性學習程式模型。後者可在 Autopilot 指定的預處理器也受到 Amazon SageMaker AI Neo 支援時受到支援。
+ 如果您的 Amazon Redshift 叢集已為您的虛擬私有雲端 (VPC) 啟用增強型路由功能，請務必為叢集所在的 VPC 建立 Amazon S3 VPC 端點和 SageMaker AI VPC 端點。這樣做可在 CREATE MODEL 期間，讓流量在這些服務之間通過您的 VPC。如需詳細資訊，請參閱 [SageMaker AI 澄清作業 Amazon VPC 子網路和安全群組](https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-vpc.html#clarify-vpc-job)。