在資料流程上自動訓練模型

您可以使用 Amazon SageMaker Autopilot 自動訓練、調整和部署您在資料流程中轉換的資料模型。Amazon SageMaker Autopilot 可以經歷數個演算法，並使用最適合您資料的演算法。如需 Amazon SageMaker Autopilot 的詳細資訊，請參閱 SageMaker Autopilot。

當您訓練和調整模型時，Data Wrangler 會將您的資料匯出到 Amazon Autopilot 可以存取它的 Amazon S3 位置。 SageMaker

您可以選擇 Data Wrangler 流程中的一個節點，然後在資料預覽中選擇匯出和訓練，來準備和部署模型。您可以使用這個方法來檢視資料集，然後再選擇訓練資料集上的模型進行訓練。

您也可以直接訓練和部署資料流程的模型。

以下程序會準備並部署資料流程的模型。對於具有多列轉換的 Data Wrangler 流程，您無法在部署模型時使用 Data Wrangler 流程的轉換。您可以使用以下程序來處理資料，然後再使用該資料來執行推論。

若要直接訓練和部署資料流程的模型，請執行以下操作。

1. 選擇包含訓練資料之節點旁邊的 +。

2. 選擇訓練模型。

3. （選用） 指定 AWS KMS 金鑰或 ID。如需建立和控制加密金鑰來保護資料的詳細資訊，請參閱 AWS Key Management Service。

4. 選擇匯出並訓練。

5. Amazon SageMaker Autopilot 訓練 Data Wrangler 匯出的資料模型後，請指定實驗名稱 的名稱。

6. 在輸入資料 下，選擇預覽以驗證 Data Wrangler 是否正確將資料匯出至 Amazon SageMaker Autopilot。

7. 針對目標，選擇目標欄。

8. (選用) 針對輸出資料下方的 S3 位置，請指定預設位置以外的 Amazon S3 位置。

9. 選擇下一步：訓練方法。

10. 選擇一種訓練方法。如需詳細資訊，請參閱訓練模式。

11. (選用) 針對自動部署端點，請指定端點的名稱。

12. 針對部署選項，請選擇一種部署方法。您可以選擇使用或不使用已對資料進行的轉換進行部署。

    重要

    您無法使用您在 Data Wrangler 流程中進行的轉換來部署 Amazon SageMaker Autopilot 模型。如需那些轉換的詳細資訊，請參閱匯出至推論端點。

13. 選擇下一步：檢閱和建立。

14. 選擇 Create experiment (建立實驗)。

如需模型訓練和部署的詳細資訊，請參閱使用 AutoML 建立表格式資料的迴歸或分類任務 API。Autopilot 會顯示有關最佳模型效能的分析。如需有關模型效能的詳細資訊，請參閱檢視 Autopilot 模型效能報告。