Amazon Redshift ML 的术语和概念 - Amazon Redshift
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

Amazon Redshift ML 的术语和概念

以下术语用于描述一些 Amazon Redshift ML 概念:

  • 中的机器学习使用一个 SQL 命令Amazon Redshift训练模型。 Amazon RedshiftML Amazon SageMaker 和管理正确模型的所有数据转换、权限、资源使用和发现。

  • 训练是 通过运行指定数据子集到模型中Amazon Redshift来创建机器学习模型的阶段。 在 中Amazon Redshift自动启动训练作业Amazon SageMaker并生成模型。

  • 预测 (也称为推理) 是在 Amazon Redshift SQL 查询中使用模型来预测结果。在推理时, Amazon Redshift 使用基于模型的预测函数作为较大查询的一部分来生成预测。预测在本地、在Amazon Redshift集群上计算,从而提供高吞吐量、低延迟和零成本。

以下内容也很重要:

  • Amazon SageMaker 是一项完全托管的机器学习服务。借助 Amazon SageMaker,数据科学家和开发人员可以轻松构建、训练模型,然后直接将模型部署到生产就绪的托管环境中。有关 的信息Amazon SageMaker,请参阅 Amazon SageMaker 中的什么是 Amazon SageMaker 开发人员指南

  • Amazon SageMaker Autopilot 是一个功能集,可根据您的数据自动训练和优化用于分类或回归的最佳机器学习模型。同时,您可以保持完全控制和可见性。 Amazon SageMakerAutopilot 支持表格格式的输入数据,包括自动数据清理和预处理、用于线性回归的自动算法选择、二进制分类和多类别分类。它还支持自动超参数优化 (HPO)、分布式训练、自动实例和集群大小选择。有关 Amazon SageMaker Autopilot Amazon SageMaker 的信息,请参阅 中的使用 Autopilot Amazon SageMaker 开发人员指南 自动开发模型。