Creazione di un'origine dati con Amazon Redshift Data (console)

La console Amazon ML offre due modi per creare un'origine dati utilizzando i dati Amazon Redshift. È possibile creare un'origine dati completando la procedura guidata Crea origine dati oppure, se si dispone già di un'origine dati creata con i dati Amazon Redshift, è possibile copiare l'origine dati originale e modificarne le impostazioni. Se si copia un'origine dati, è possibile creare più origini dati simili.

Per ulteriori informazioni sulla creazione di un'origine dati utilizzando l'API, consultare la pagina CreateDataSourceFromRedshift.

Per ulteriori informazioni sui parametri nelle seguenti procedure, consultare la pagina Parametri obbligatori per la procedura guidata Crea origine dati.

Creazione di un'origine dati (console)

Per scaricare i dati da Amazon Redshift in un'origine dati Amazon ML, utilizzare la procedura guidata Crea origine dati.

Per creare un'origine dati dai dati in Amazon Redshift

1. Aprire la console Amazon Machine Learning all'indirizzohttps://console.aws.amazon.com/machinelearning/.

2. Sul pannello di controllo Amazon ML, sottoEntità, scegliCreazione di un nuovo...e quindi scegliereL'origine dati.

3. SulDati di input, scegliereAmazon Redshift.

4. Nella procedura guidata Crea origine dati, per Cluster identifier (Identificatore cluster), digitare il nome del cluster.

5. PerNome del databasedigitare il nome del database Amazon Redshift.

6. Per Database user name (Nome utente database), digitare il nome utente del database.

7. Per Database password (Password database), digitare la password del database.

8. Per IAM role (Ruolo IAM), scegliere il proprio ruolo IAM. Se non ne hai ancora uno, scegliereCrea un nuovo ruolo. Amazon ML crea un ruolo IAM Amazon Redshift per te.

9. Per testare le impostazioni di Amazon Redshift, scegliAccesso ai test(accanto aRuolo IAM). Se Amazon ML non è in grado di connettersi ad Amazon Redshift con le impostazioni fornite, non è possibile proseguire nella creazione di un'origine dati. Per la risoluzione dei problemi, consultare Risoluzione degli errori.

10. Per SQL query (Query SQL), digitare la query SQL.

11. PerPosizione dello schema, scegliere se si vuole che Amazon ML crei uno schema per l'utente. Se è già stato creato una schema, digitare il percorso Amazon S3 per i file dello schema.

12. PerPosizione temporanea di Amazon S3, digitare il percorso Amazon S3 al bucket in cui si desidera che Amazon ML archivi i dati che scarica da Amazon Redshift.

13. (Facoltativo) Per Datasource name (Nome origine dati), digitare un nome per l'origine dati.

14. Selezionare Verify (Verifica). Amazon ML verifica se riesce a connettersi al database Amazon Redshift.

15. Nella pagina Schema, esaminare i tipi di dati per tutti gli attributi e correggerli se necessario.

16. Scegliere Continue (Continua).

17. Se si vuole utilizzare questa origine dati per creare o valutare un modello ML, in Do you plan to use this dataset to create or evaluate an ML model? (Utilizzare questo set di dati per creare o valutare un modello ML?), scegliere Yes (Sì). Se è stato selezionato Yes (Sì), scegliere la riga di destinazione. Per informazioni sulle destinazioni, consultare la pagina Utilizzo del campo targetAttributeName.

    Se si intende utilizzare questa origine dati insieme a un modello già creato per generare previsioni, scegliere No.

18. Scegliere Continue (Continua).

19. Per Does your data contain an identifier? (I dati contengono un identificatore?), se i tuoi dati non contengono un identificatore riga, scegliere No.

    Se i dati contengono un identificatore di riga, scegliere Yes (Sì). Per ulteriori informazioni sugli identificatori di riga, consultare la pagina Utilizzo del campo rowID.

20. Scegliere Review (Rivedi).

21. Nella pagina Review (Rivedi), rivedere le impostazioni e scegliere Finish (Fine).

Dopo aver creato un'origine dati, è possibile utilizzarla per create an ML model. Se è già stato creato un modello, è possibile utilizzare l'origine dati per evaluate an ML model o generate predictions.

Copia di un'origine dati (console)

Quando si desidera creare un'origine dati simile a una già esistente, è possibile utilizzare la console di Amazon ML per copiare l'origine dati originale e modificarne le impostazioni. Ad esempio, è possibile scegliere di iniziare con un'origine dati esistente e quindi modificare lo schema di dati perché si abbini meglio ai propri dati; oppure specificare una query SQL utilizzata per scaricare i dati da Amazon Redshift oppure specificare un'altra.AWS Identity and Access Management(IAM) utente per accedere al cluster Amazon Redshift.

Per copiare e modificare un'origine dati di Amazon Redshift

1. Aprire la console Amazon Machine Learning all'indirizzohttps://console.aws.amazon.com/machinelearning/.

2. Sul pannello di controllo Amazon ML, sottoEntità, scegliCreazione di un nuovo...e quindi scegliereL'origine dati.

3. SulDati di input, perDove sono i tuoi dati?, scegliAmazon Redshift. Se si dispone già di un'origine dati creata con i dati Amazon Redshift, è possibile copiare le impostazioni da un'altra origine dati.

   

   Se non si dispone già di un'origine dati creata con i dati Amazon Redshift, questa opzione non viene visualizzata.

4. Scegliere Find a datasource (Trova un'origine dati).

5. Selezionare l'origine dati che si desidera copiare e scegliereCopia delle impostazioni. Amazon ML popola automaticamente la maggior parte delle impostazioni dell'origine dati con le impostazioni dell'origine dati originale. Non copia la password del database, la posizione dello schema o il nome dell'origine dati dall'origine dati originale.

6. È possibile modificare le impostazioni inserite automaticamente. Ad esempio, se si desidera modificare i dati che Amazon ML scarica da Amazon Redshift, modificare la query SQL.

7. Per Database password (Password database), digitare la password del database. Amazon ML non archivia né riutilizza la password, perciò è sempre necessario fornirla.

8. (Opzionale) PerPosizione dello schema, Amazon ML preselezionaVoglio che Amazon ML generi uno schema consigliatoper l'utente. Se è già stato creato uno schema, scegliereVoglio utilizzare lo schema che ho creato e archiviato in Amazon S3e digitare il percorso per il file dello schema in Amazon S3.

9. (Facoltativo) Per Datasource name (Nome origine dati), digitare un nome per l'origine dati. In caso contrario, Amazon ML genera un nuovo nome di origine dati per l'utente.

10. Selezionare Verify (Verifica). Amazon ML verifica se riesce a connettersi al database Amazon Redshift.

11. (Facoltativo) Se Amazon ML ha dedotto lo schema per te, sulSchema, esaminare i tipi di dati per tutti gli attributi e correggerli se necessario.

12. Scegliere Continue (Continua).

13. Se si vuole utilizzare questa origine dati per creare o valutare un modello ML, in Do you plan to use this dataset to create or evaluate an ML model? (Utilizzare questo set di dati per creare o valutare un modello ML?), scegliere Yes (Sì). Se è stato selezionato Yes (Sì), scegliere la riga di destinazione. Per informazioni sulle destinazioni, consultare la pagina Utilizzo del campo targetAttributeName.

    Se si intende utilizzare questa origine dati insieme a un modello già creato per generare previsioni, scegliere No.

14. Scegliere Continue (Continua).

15. Per Does your data contain an identifier? (I dati contengono un identificatore?), se i tuoi dati non contengono un identificatore riga, scegliere No.

    Se i dati contengono un identificatore riga, scegliere Yes (Sì) e selezionare la riga che si desidera utilizzare come un identificatore. Per ulteriori informazioni sugli identificatori di riga, consultare la pagina Utilizzo del campo rowID.

16. Scegliere Review (Rivedi).

17. Esaminare le impostazioni e scegliere Finish (Fine).

Dopo aver creato un'origine dati, è possibile utilizzarla per create an ML model. Se è già stato creato un modello, è possibile utilizzare l'origine dati per evaluate an ML model o generate predictions.