Bangun model prediktif dengan Canvas SageMaker

QuickSight penulis dapat mengekspor data ke SageMaker Canvas untuk membangun model ML yang dapat dikirim kembali ke QuickSight. Penulis dapat menggunakan model ML ini untuk menambah kumpulan data mereka dengan analitik prediktif yang dapat digunakan untuk membangun analisis dan dasbor.

Prasyarat

• QuickSight Akun yang terintegrasi dengan IAM Identity Center. Jika QuickSight akun Anda tidak terintegrasi dengan IAM Identity Center, buat QuickSight akun baru dan pilih Gunakan aplikasi yang diaktifkan Pusat Identitas IAM sebagai penyedia identitas.

  • Untuk informasi selengkapnya tentang Pusat Identitas IAM, lihat Memulai.

  • Untuk mempelajari lebih lanjut tentang mengintegrasikan Anda QuickSight dengan IAM Identity Center, lihat. Konfigurasikan QuickSight akun Amazon Anda dengan IAM Identity Center

  • Untuk mengimpor aset dari QuickSight akun yang ada ke QuickSight akun baru yang terintegrasi dengan Pusat Identitas IAM, lihat Operasi bundel aset.

• SageMaker Domain baru yang terintegrasi dengan IAM Identity Center. Untuk informasi selengkapnya tentang orientasi ke SageMaker Domain dengan IAM Identity Center, lihat Onboard to SageMaker Domain menggunakan IAM Identity Center.

Bangun model prediktif di SageMaker Canvas dari Amazon QuickSight

Untuk membangun model prediktif di Canvas SageMaker

1. Masuk ke QuickSight dan arahkan ke tabel tabular atau tabel pivot yang ingin Anda buat model prediktif.

2. Buka menu on-visual dan pilih Build a predictive model.

3. Dalam build a predictive model in SageMaker Canvas pop up yang muncul, tinjau informasi yang disajikan lalu pilih EXPORT DATA TO SAGEMAKER CANVAS.

4. Di panel Ekspor yang muncul, pilih GO TO SAGEMAKER CANVAS ketika ekspor selesai untuk pergi ke konsol Canvas. SageMaker

5. Di SageMaker Canvas, buat model prediktif dengan data yang Anda ekspor. QuickSight Anda dapat memilih untuk mengikuti tur berpemandu yang membantu Anda membuat model prediktif, atau Anda dapat melewatkan tur dan bekerja dengan kecepatan Anda sendiri. Untuk informasi selengkapnya tentang membuat model prediktif di SageMaker Canvas, lihat Membuat model.

6. Kirim kembali model prediktif ke QuickSight. Untuk informasi selengkapnya tentang mengirim model dari SageMaker Canvas ke Amazon QuickSight, lihat Mengirim model Anda ke Amazon QuickSight.

Buat dataset dengan model SageMaker Canvas

Setelah Anda membuat model prediktif di SageMaker Canvas dan mengirimkannya kembali QuickSight, gunakan model baru untuk membuat kumpulan data baru atau menerapkannya ke kumpulan data yang ada.

Untuk menambahkan bidang prediktif ke kumpulan data

1. Buka QuickSight konsol, arahkan ke halaman Datasets, dan pilih Datasets.

2. Unggah kumpulan data baru atau pilih kumpulan data yang sudah ada.

3. Pilih Edit.

4. Pada halaman persiapan data set data, pilih ADD, lalu pilih Tambahkan bidang prediktif untuk membuka Augment dengan modal. SageMaker

5. Untuk Model, pilih model yang Anda kirim QuickSight dari SageMaker Canvas. File skema secara otomatis terisi di panel Pengaturan lanjutan. Tinjau input, lalu pilih Berikutnya.

6. Pada panel keluaran Tinjau, masukkan nama bidang dan deskripsi untuk colum yang akan ditargetkan oleh model yang Anda buat di Canvas. SageMaker

7. Setelah selesai, pilih Siapkan data.

8. Setelah Anda memilih Siapkan data, Anda akan diarahkan ke halaman dataset. Untuk mempublikasikan dataset baru, pilih, Publish & Visuallize.

Saat Anda memublikasikan kumpulan data baru yang menggunakan model dari SageMaker Canvas, data diimpor ke SPICE dan pekerjaan inferensi batch dimulai. SageMaker Diperlukan waktu hingga 10 menit untuk menyelesaikan proses ini.

Pertimbangan

Keterbatasan berikut berlaku untuk pembuatan model SageMaker Canvas dengan QuickSight data.

• Opsi Build a predictive model yang digunakan untuk mengirim data ke SageMaker Canvas hanya tersedia pada tabel dan visual tabel pivot tabular. Tabel atau tabel pivot visual harus memiliki antara 2 dan 1.000 bidang dan setidaknya 500 baris.

• Kumpulan data yang berisi tipe data integer atau geografis akan mengalami kesalahan pemetaan skema saat Anda menambahkan bidang prediktif ke kumpulan data. Untuk mengatasi masalah ini, hapus tipe data integer atau geografis dari kumpulan data atau konversikan ke tipe data baru.