Amazon Redshift ne prendra plus en charge la création de nouveaux Python UDFs à compter du 1er novembre 2025. Si vous souhaitez utiliser Python UDFs, créez la version UDFs antérieure à cette date. Le Python existant UDFs continuera à fonctionner normalement. Pour plus d'informations, consultez le billet de blog
Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
SVV_ML_MODEL_INFO
Informations sur l’état actuel du modèle de machine learning.
SVV_ML_MODEL_INFO est visible pour tous les utilisateurs. Les super-utilisateurs peuvent voir toutes les lignes, tandis que les utilisateurs standard peuvent voir uniquement leurs propres données. Pour plus d'informations, consultez Visibilité des données dans les tables et vues système.
Colonnes de la table
| Nom de la colonne | Type de données | Description |
|---|---|---|
| database_name | char(128) | Base de données du modèle. |
| nom_schéma | char(128) | Schéma du modèle. |
| user_name | char(128) | Le propriétaire du modèle. |
| model_name | char(128) | Nom du modèle. |
| life_cycle | char(20) | L’état du cycle de vie du modèle. |
| is_refreshable | entier | L’état du modèle, à savoir s’il peut être actualisé si les tables et les colonnes originales de la requête d’entraînement existent toujours et si l’utilisateur a toujours les permissions pour les utiliser. Les valeurs possibles sont : 1 (actualisable) et 0 (non actualisable). |
| model_state | char(128) | L’état actuel du modèle. |
Exemple de requête
La requête suivante affiche l’état actuel des modèles de machine learning.
SELECT schema_name, model_name, model_state FROM svv_ml_model_info; schema_name | model_name | model_state -------------+------------------------------+-------------------------------------- public | customer_churn_auto_model | Train Model On SageMaker In Progress public | customer_churn_xgboost_model | Model is Ready (2 row)
