選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。

將模型傳送至 Amazon QuickSight

焦點模式
將模型傳送至 Amazon QuickSight - Amazon SageMaker

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。

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。

如果您使用 Amazon QuickSight 並想要在 Amazon QuickSight 視覺化中利用 SageMaker Canvas,您可以建置 Amazon SageMaker Canvas 模型,並將其用作 Amazon QuickSight 資料集中的預測欄位預測欄位是 Amazon QuickSight 資料集中的一個欄位,可以對資料集中的指定資料欄進行預測,類似於 Canvas 使用者如何使用模型進行單一或批次預測。若要進一步了解如何將 Canvas 預測能力整合到您的 Amazon QuickSight 資料集,請參閱 Amazon QuickSight 使用者指南 中的 SageMaker Canvas 整合

下列步驟說明如何使用 Canvas 模型將預測欄位新增至 Amazon QuickSight 資料集:

  1. 開啟 Canvas 應用程式並使用資料集建立模型。

  2. 在 Canvas 中建置模型後,請將模型傳送至 Amazon QuickSight。當您將模型傳送至 Amazon 時,結構描述檔案會自動下載至本機機器 QuickSight。您可以在下一個步驟 QuickSight 中將此結構描述檔案上傳至 Amazon。

  3. 開啟 Amazon, QuickSight 然後選擇與用來建置模型的資料集具有相同結構描述的資料集。在資料集中新增預測欄位,並執行下列動作:

    1. 指定從 Canvas 傳送的模型。

    2. 上傳在步驟 2 中下載的結構描述檔案。

  4. 儲存並發佈變更,然後產生新資料集的預測。Amazon QuickSight 使用 模型來填入具有預測的目標資料欄。

若要將模型從 Canvas 傳送至 Amazon QuickSight,您必須符合下列先決條件:

  • 您必須同時 QuickSight 設定 Canvas 和 Amazon。您的 Amazon QuickSight 帳戶必須在 AWS 區域 與 Canvas 應用程式相同的 中建立。如果您的 Amazon QuickSight 帳戶的主區域與 Canvas 應用程式的區域不同,您必須關閉並重新建立您的 Amazon QuickSight 帳戶,或在您的 Amazon QuickSight 帳戶所在的相同區域中設定 Canvas 應用程式。您的 Amazon QuickSight 帳戶也必須包含您第一次建立 Amazon QuickSight 帳戶時設定的預設命名空間。請聯絡您的管理員,以協助您存取 Amazon QuickSight。如需詳細資訊,請參閱 Amazon 使用者指南 中的設定 QuickSight Amazon。 QuickSight

  • 您的使用者必須具有必要的 AWS Identity and Access Management (IAM) 許可,才能將預測傳送至 Amazon QuickSight。您的管理員可以為使用者設定IAM許可。如需詳細資訊,請參閱授予您的使用者將預測傳送至 Amazon 的許可 QuickSight

  • Amazon QuickSight 必須能夠存取您為 Canvas 應用程式儲存體指定的 Amazon S3 儲存貯體。如需詳細資訊,請參閱設定您的 Amazon S3 儲存

隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。