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。
建立模型
以下各節說明如何針對每個自訂模型的主要類型建立模型。
-
若要建立數值預測、2 類別預測或 3+ 類別預測模型，請參閱建立自訂數值或分類預測模型。
-
若要建立單一標籤影像預測模型，請參閱建置自訂映像預測模型。
-
若要建立多類別文字預測模型，請參閱建置自訂文字預測模型。
-
若要建立時間序列預測模型，請參閱建立時間序列預測模型。
注意
如果您在建置後的分析期間遇到錯誤，告知您要增加 ml.m5.2xlarge 執行個體的配額，請參閱要求增加配額。
建立自訂數值或分類預測模型
數值和分類預測模型同時支援快速建置和標準建置。
若要建立數值或分類預測模型，請使用下列程序：
-
開啟 SageMaker 畫布應用程式。
-
在左側導覽窗格中選擇我的模型。
-
選擇新模型。
-
在建立新的模型對話方塊中，執行下列動作：
-
在模型名稱欄位中輸入名稱。
-
選取預測分析問題類型。
-
選擇建立。
-
-
針對選取資料集，請從資料集清單中選取您的資料集。如果您尚未匯入資料，請選擇匯入以轉向至匯入資料工作流程。
-
當您準備好開始建置模型時，請選擇選取資料集。
-
在建置索引標籤的目標欄下拉式清單中，選取您要預測的模型目標。
-
針對模型類型，Canvas 會自動為您偵測問題類型。如果您要變更類型或設定進階模型設定，請選擇「設定模型」。
當組態模型對話方塊開啟時，請執行以下操作：
對於「模型」類型，請選擇您要建立的模型類型。
-
選擇模型類型後，還有其他進階設定。如需每個進階設定的詳細資訊，請參閱進階模型建置組態。若要設定進階設定，請執行下列動作：
(選用) 在目標指標下拉式清單中選取您要 Canvas 在建置模型時最佳化的指標。如果您未選取指標，Canvas 預設會為您選擇一個指標。如需可用量度的說明，請參閱指標參考。
對於「訓練」方法，請選擇「自動」、「整體」或「超參數最佳化」(HPO) 模式。
對於演算法，請選取您要包含用於建立模型候選項的演算法。
對於「資料分割」，請以百分比指定在訓練集和驗證集之間分割資料的方式。訓練集用於建置模型，而驗證集則用於測試模型候選者的準確性。
-
對於 Max 候選人和執行階段，請執行下列動作：
設置最大候選值，或 Canvas 可以生成的最大候選模型數量。請注意，最大候選人數僅適用於HPO模式。
設定「最大工作執行時間」的小時和分鐘值，或 Canvas 可以花費在建立模型的時間上限。在最長時間之後，Canvas 會停止建置並選取最佳候選模型。
設定進階設定後，請選擇 [儲存]。
-
選取或取消選取資料中的資料欄，以將其包含在建置中或刪除。
注意
如果您在建置後使用模型進行批次預測，Canvas 會在預測結果中新增刪除的資料欄。但是，Canvas 不會將刪除的資料欄新增至時間序列模型的批次預測中。
-
(選用) 使用 Canvas 提供的視覺化和分析工具來視覺化您的資料，並決定您想要在模型中包含哪些功能。如需更多資訊，請參閱探索和分析您的資料。
-
(選用) 使用資料轉換來清理、轉換和準備用於模型建置的資料。如需更多資訊，請參閱使用進階轉換準備資料。您可以選擇模型配方以開啟模型配方側邊面板來檢視和移除轉換。
-
(選用) 如需其他功能，例如預覽模型的準確性、驗證資料集，以及變更 Canvas 從資料集取得的隨機範例大小，請參閱預覽模型。
-
檢閱資料並對資料集進行任何變更後，請選擇快速建置或標準建置以開始建置您的模型。下列螢幕擷取畫面顯示建置頁面和快速建置和標準建置選項。
模型開始建置後，您可以離開此頁面。當模型在我的模型頁面上顯示為就緒時就可以進行分析和預測。
建置自訂映像預測模型
單一標籤影像預測模型同時支援快速建置和標準建置。
若要建立單一標籤影像預測模型，請遵循下列程序：
-
開啟 SageMaker 畫布應用程式。
-
在左側導覽窗格中選擇我的模型。
-
選擇新模型。
-
在建立新的模型對話方塊中，執行下列動作：
-
在模型名稱欄位中輸入名稱。
-
選取影像分析問題類型。
-
選擇建立。
-
-
針對選取資料集，請從資料集清單中選取您的資料集。如果您尚未匯入資料，請選擇匯入以轉向至匯入資料工作流程。
-
當您準備好開始建置模型時，請選擇選取資料集。
-
在建置索引標籤上，您會看到資料集中影像的標籤分佈。模型類型設定為單一標籤影像預測。
-
在此頁面上，您可以預覽影像並編輯資料集。如果您有任何未標籤的影像，請選擇編輯資料集和為未標籤的影像指派標籤。當您編輯影像資料集時也可以執行其他任務，例如重新命名標籤，以及將影像新增至資料集。
-
檢閱資料並對資料集進行任何變更後，請選擇快速建置或標準建置以開始建置您的模型。下列螢幕擷取畫面顯示已就緒，且可以建置的映像預測模型的建置頁面。
模型開始建置後，您可以離開此頁面。當模型在我的模型頁面上顯示為就緒時就可以進行分析和預測。
建置自訂文字預測模型
多類別文字預測模型同時支援快速建置和標準建置。
若要建立文字預測模型，請遵循下列程序：
-
開啟 SageMaker 畫布應用程式。
-
在左側導覽窗格中選擇我的模型。
-
選擇新模型。
-
在建立新的模型對話方塊中，執行下列動作：
-
在模型名稱欄位中輸入名稱。
-
選取文字分析問題類型。
-
選擇建立。
-
-
針對選取資料集，請從資料集清單中選取您的資料集。如果您尚未匯入資料，請選擇匯入以轉向至匯入資料工作流程。
-
當您準備好開始建置模型時，請選擇選取資料集。
-
在建置索引標籤的目標欄下拉式清單中，選取您要預測的模型目標。目標欄必須有二進位或分類資料類型，而且目標欄中的每個唯一標籤必須至少有 25 個項目 (或資料列)。
-
針對模型類型，請確認模型類型已自動設定為 多類別文字預測。
-
針對訓練資料欄，請選取文字資料的來源資料欄。這應該為包含您要分析的文字的資料欄。
-
選擇快速建置或標準建置以開始建置模型。下列螢幕擷取畫面顯示已就緒，且可以建置的文字預測模型的建置頁面。
模型開始建置後，您可以離開此頁面。當模型在我的模型頁面上顯示為就緒時就可以進行分析和預測。
建立時間序列預測模型
時間序列預測模型同時支援快速組建和標準組建。
若要建立時間序列預測模型，請遵循下列步驟：
-
開啟 SageMaker 畫布應用程式。
-
在左側導覽窗格中選擇我的模型。
-
選擇新模型。
-
在建立新的模型對話方塊中，執行下列動作：
-
在模型名稱欄位中輸入名稱。
-
選取「時間序列」預測問題型態。
-
選擇 Create (建立)。
-
-
針對選取資料集，請從資料集清單中選取您的資料集。如果您尚未匯入資料，請選擇匯入以轉向至匯入資料工作流程。
-
當您準備好開始建置模型時，請選擇選取資料集。
-
在建置索引標籤的目標欄下拉式清單中，選取您要預測的模型目標。
在「模型類型」區段中，選擇「規劃模型」。
-
組態模型」方塊開啟。在「時間序列組態」區段中，填寫下列欄位：
在「項目 ID」欄中，選擇資料集中唯一識別每一列的資料欄。
(選擇性) 在「群組」欄位中，選擇一或多個要用於分組預測值的分類欄位。
在「時間戳記」欄中，選取具有時間戳記的欄 (日期時間格式)。如需有關可接受之日期時間格式的詳細資訊，請參閱Amazon SageMaker 畫布中的時間序列預測。
在「Fo recast 長度」欄位中，輸入您要預測值的期間。畫布會自動檢測數據中的時間單位。
(選擇性) 開啟 [使用假日排程] 切換，以選取來自不同國家/地區的假日排程，並讓您的預測與假日資料更加準確。
-
在「規劃模型」方塊中，「進階」區段中還有其他設定。如需每個進階設定的詳細資訊，請參閱進階模型建置組態。若要設定進階設定，請執行下列動作：
對於「目標量度」下拉式功能表，選取您要 Canvas 在建置模型時最佳化的量度。如果您未選取指標，Canvas 預設會為您選擇一個指標。如需可用量度的說明，請參閱指標參考。
-
如果您正在執行標準組建，您會看到「演算法」區段。本節用於選取您要用於建置模型的時間序列預測演算法。您可以選擇可用算法的一個子集，或者如果不確定要嘗試哪些算法，則可以選擇所有演算法。
當您執行標準組建時，Canvas 會建立整體模型，將所有演算法結合在一起，以最佳化預測準確度。
注意
如果您正在執行快速建置，Canvas 會使用單一樹狀結構學習演算法來訓練模型，而且您不需要選取任何演算法。
對於「Forecast 分位數」，請輸入最多 5 個逗號分隔的分位數值，以指定預測的上限和下限。
設定「進階」設定後，請選擇「儲存」。
-
選取或取消選取資料中的資料欄，以將其包含在建置中或刪除。
注意
如果您在建置後使用模型進行批次預測，Canvas 會在預測結果中新增刪除的資料欄。但是，Canvas 不會將刪除的資料欄新增至時間序列模型的批次預測中。
-
(選用) 使用 Canvas 提供的視覺化和分析工具來視覺化您的資料，並決定您想要在模型中包含哪些功能。如需更多資訊，請參閱探索和分析您的資料。
-
(選用) 使用資料轉換來清理、轉換和準備用於模型建置的資料。如需更多資訊，請參閱使用進階轉換準備資料。您可以選擇模型配方以開啟模型配方側邊面板來檢視和移除轉換。
-
(選用) 如需其他功能，例如預覽模型的準確性、驗證資料集，以及變更 Canvas 從資料集取得的隨機範例大小，請參閱預覽模型。
-
檢閱資料並對資料集進行任何變更後，請選擇快速建置或標準建置以開始建置您的模型。
模型開始建置後，您可以離開此頁面。當模型在我的模型頁面上顯示為就緒時就可以進行分析和預測。
