从补丁 198 开始，Amazon Redshift 将不再支持创建新的 Python UDF。现有的 Python UDF 将继续正常运行至 2026 年 6 月 30 日。有关更多信息，请参阅[博客文章](https://www.amazonaws.cn/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)。

# Amazon Redshift ML 的教程
<a name="tutorials_for_amazon_redshift_ml"></a>

可以使用 Amazon Redshift ML 通过 SQL 语句训练机器学习模型，并在 SQL 查询中调用模型以进行预测。Amazon Redshift 中的机器学习使用一个 SQL 命令训练模型。Amazon Redshift 自动启动 Amazon SageMaker AI 中的训练作业，并生成一个模型。创建模型后，您就可以使用模型的预测函数在 Amazon Redshift 中执行预测。

按照这些教程中的步骤了解 Amazon Redshift ML 功能：
+ [教程：构建客户流失模型](tutorial_customer_churn.md) – 在本教程中，您使用 Amazon Redshift ML 通过 CREATE MODEL 命令创建客户流失模型，并针对用户场景运行预测查询。然后，您可以使用 CREATE MODEL 命令生成的 SQL 函数来实施查询。
+ [教程：构建 K 均值聚类模型](tutorial_k-means_clustering.md) – 在本教程中，您使用 Amazon Redshift ML 基于 [K 均值算法](url-sm-dev;k-means.html)，创建、训练和部署一个机器学习模型。
+ [教程：构建多类别分类模型](tutorial_multi-class_classification.md) – 在本教程中，您使用 Amazon Redshift ML 创建机器学习模型来解决多类别分类问题。多类别分类算法将数据点划分为三个或更多类别中的一个类别。然后，您可以使用 CREATE MODEL 命令生成的 SQL 函数来实施查询。
+ [教程：构建 XGBoost 模型](tutorial_xgboost.md) – 在本教程中，您使用来自 Amazon S3 的数据创建模型，并使用 Amazon Redshift ML 对模型运行预测查询。XGBoost 算法是梯度提升树算法的一种优化实施。
+ [教程：构建回归模型](tutorial_regression.md) – 在本教程中，您使用 Amazon Redshift ML 创建机器学习回归模型，并对该模型运行预测查询。回归模型允许您预测数值结果，例如房屋价格，或有多少人将使用城市的自行车租赁服务。
+ [教程：使用线性学习器构建回归模型](tutorial_linear_learner_regression.md) – 在本教程中，您使用来自 Amazon S3 的数据创建线性学习器模型，并使用 Amazon Redshift ML 对模型运行预测查询。SageMaker AI 线性学习器算法可解决回归或多类别分类问题。
+ [教程：使用线性学习器构建多类别分类模型](tutorial_linear_learner_multi-class_classification.md) – 在本教程中，您使用来自 Amazon S3 的数据创建线性学习器模型，然后使用 Amazon Redshift ML 对模型运行预测查询。SageMaker AI 线性学习器算法可解决回归或分类问题。