使用 SageMaker AI Canvas 建置預測模型 - Amazon QuickSight
建置預測模型建立資料集考量事項

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。

使用 SageMaker AI Canvas 建置預測模型

QuickSight 作者可以將資料匯出至 SageMaker AI Canvas，以建置可傳回 QuickSight 的 ML 模型。作者可以使用這些機器學習模型透過預測分析來擴增其資料集，進而將資料集用於建立分析和儀表板。

先決條件

  • 與 IAM Identity Center 整合的 QuickSight 帳戶。如果您的 QuickSight 帳戶未與 IAM Identity Center 整合，請建立一個新的 QuickSight 帳戶，並選擇使用 IAM Identity Center 已啟用的應用程式作為身分供應商。

  • 與 IAM Identity Center 整合的新 SageMaker AI 網域。如需使用 IAM Identity Center 加入 SageMaker AI 網域的詳細資訊，請參閱使用 IAM Identity Center 加入 SageMaker AI 網域。

在 Amazon QuickSight 的 SageMaker AI Canvas 中建置預測模型

在 SageMaker AI Canvas 中建置預測模型

  1. 登入 QuickSight 並導覽至要為其建置預測模型的資料表或資料表式樞紐分析表。

  2. 開啟視覺化效果選單並選擇建置預測模型。

  3. 在出現的 SageMaker AI Canvas 中建置預測模型快顯視窗中，檢閱顯示的資訊，然後選擇匯出資料至 SAGEMAKER CANVAS。

  4. 在出現的匯出窗格中，當匯出完成時選擇前往 SAGEMAKER CANVAS，以前往 SageMaker AI Canvas 主控台。

  5. 在 SageMaker AI Canvas 中，使用您從 QuickSight 匯出的資料建立預測模型。您可以選擇跟隨引導式導覽來協助您建置預測模型，也可以略過導覽按自己的步調進行。如需在 SageMaker AI Canvas 中建立預測模型的詳細資訊，請參閱建置模型。

  6. 將預測模型傳回 QuickSight。如需將模型從 SageMaker AI Canvas 傳送至 Amazon QuickSight 的詳細資訊，請參閱將模型傳送至 Amazon QuickSight。

使用 SageMaker AI Canvas 模型建立資料集

在 SageMaker AI Canvas 中建立預測模型並將其傳回 QuickSight 之後，請使用新模型建立新的資料集，或將其套用至現有的資料集。

將預測欄位新增至資料集

  1. 開啟 QuickSight 主控台，導覽至資料集頁面，然後選擇資料集。

  2. 上傳新資料集或選擇現有資料集。

  3. 選擇編輯。

  4. 在資料集的資料準備頁面上，選擇 ADD，然後選擇新增預測欄位以開啟使用 SageMaker AI 模型增強。

  5. 針對模型，從 SageMaker AI Canvas 選擇您傳送至 QuickSight 的模型。結構描述檔案會自動填入進階設定窗格中。檢閱輸入，然後選擇下一步。

  6. 在檢閱輸出窗格中，輸入要在 SageMaker AI Canvas 中建立之模型鎖定目標之資料欄的欄位名稱和描述。

  7. 完成後，選擇準備資料。

  8. 選擇準備資料後，您將被重新導向到資料集頁面。若要發布新資料集，請選擇發布並視覺化。

當您發佈使用 SageMaker AI Canvas 模型的新資料集時，資料會匯入 SPICE，而批次推論任務會在 SageMaker AI 中開始。這些程序最長可能需要 10 分鐘的時間才能完成。

考量事項

下列限制適用於使用 QuickSight 資料建立 SageMaker AI Canvas 模型。

  • 建置預測模型選項用於將資料傳送至 SageMaker AI Canvas，僅適用於資料表和表格式樞紐分析資料表視覺效果。資料表或樞紐分析表視覺化效果必須具有 2 到 1,000 個欄位，以及至少 500 列。

  • 當您為資料集新增預測欄位時，包含整數或地理資料類型的資料集將會遇到結構描述映射錯誤。若要解決此問題，請從資料集中移除整數或地理資料類型，或將它們轉換為新的資料類型。