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。
# 构建模型
以下几节介绍如何为每种主要类型的自定义模型构建模型。
+ 要构建数值预测、2 类别预测或 3\+ 类别预测模型，请参阅[构建自定义的数值或分类预测模型](#canvas-build-model-numeric-categorical)。
+ 要构建单标签图像预测模型，请参阅[构建自定义图像预测模型](#canvas-build-model-image)。
+ 要构建多元文本预测模型，请参阅[构建自定义文本预测模型](#canvas-build-model-text)。
+ 要构建时间序列预测模型，请参阅 [建立时间序列预测模型](#canvas-build-model-forecasting)。
**注意**
如果您在构建后分析期间遇到错误，提示您增加 `ml.m5.2xlarge` 实例限额，请参阅[申请增加限额](https://docs.amazonaws.cn/sagemaker/latest/dg/canvas-requesting-quota-increases.html)。
## 构建自定义的数值或分类预测模型
数值和分类预测模型同时支持**快速构建**和**标准构建**。
要构建数值或分类预测模型，请按以下步骤操作：
1. 打开 SageMaker 画布应用程序。
1. 在左侧导航窗格中，选择**我的模型**。
1. 选择**新建模型**。
1. 在**创建新模型**对话框中，执行以下操作：
1. 在**模型名称**字段中输入名称。
1. 选择**预测分析**问题类型。
1. 选择**创建**。
1. 对于**选择数据集**，从数据集列表中选择您的数据集。如果您尚未导入数据，请选择**导入**以指导您完成导入数据工作流。
1. 如果您已准备好开始构建模型，请选定**选择数据集**。
1. 在**构建**选项卡的**目标列**下拉列表中，为模型选择要预测的目标。
1. 对于**模型类型**，Canvas 会自动为您检测问题类型。如果您要更改类型或配置高级模型设置，请选择**配置模型**。
当**配置模型**对话框打开时，执行以下操作：
1. 对于**模型类型**，选择要构建的模型类型。
1. 选择模型类型后，还有其他**高级设置**。有关各项高级设置的更多信息，请参阅 [高级模型构建配置](canvas-advanced-settings.md)。要配置高级设置，执行以下操作：
1. （可选）在**目标指标**下拉菜单中，选择您希望 Canvas 在构建模型时优化的指标。如果您没有选择指标，Canvas 会默认为您选择一个指标。有关这些指标的说明，请参阅 [指标参考](canvas-metrics.md)。
1. 对于**训练方法**，选择**自动**、**集合**或**超参数优化 (HPO) 模式**。
1. 对于**算法**，选择要包含的用于构建候选模型的算法。
1. 对于**数据拆分**，请按百分比指定如何在**训练集**和**验证集**之间如何拆分数据。训练集用于构建模型，而验证集用于测试候选模型的准确性。
1. 对于**最大候选数和运行时**，执行以下操作：
1. 设置**最大候选数值**或 Canvas 可以生成的候选模型的最大数量。请注意，**最大候选值**仅在 HPO 模式下可用。
1. 为**最大作业运行时**设置小时和分钟值，或者 Canvas 可以用于构建模型的最长时间。超过最长时间后，Canvas 会停止构建，并选择最佳候选模型。
1. 配置完高级设置后，选择**保存**。
1. 选择或取消选择数据中的列，以便在构建时包含或删除这些列。
**注意**
如果您在构建模型后使用模型进行批量预测，Canvas 会将删除的列添加到您的预测结果中。但是，Canvas 不会将删除的列添加到时间序列模型的批量预测中。
1. （可选）使用 Canvas 提供的可视化和分析工具将数据可视化，并确定您可能希望在模型中包含哪些特征。有关更多信息，请参阅[探索和分析数据](https://docs.amazonaws.cn/sagemaker/latest/dg/canvas-explore-data.html)。
1. （可选）使用数据转换功能来清理、转换和准备用于构建模型的数据。有关更多信息，请参阅[使用高级转换准备数据](https://docs.amazonaws.cn/sagemaker/latest/dg/canvas-prepare-data.html)。您可以通过选择**模型配方**打开**模型配方**侧面板来查看和移除转换。
1. （可选）有关其他功能，如预览模型的准确性、验证数据集以及更改 Canvas 从数据集中抽取的随机样本的大小，请参阅[预览模型](canvas-preview-model.md)。
1. 查看数据并对数据集进行任何更改后，选择**快速构建**或**标准构建**，开始构建模型。以下屏幕截图显示了**构建**页面以及**快速构建**和**标准构建**选项。
模型开始构建后，您可以离开此页面。当模型在**我的模型**页面上显示为**就绪**时，即可进行分析和预测。
## 构建自定义图像预测模型
单标签图像预测模型同时支持**快速构建**和**标准构建**。
要构建单标签图像预测模型，请按以下步骤操作：
1. 打开 SageMaker 画布应用程序。
1. 在左侧导航窗格中，选择**我的模型**。
1. 选择**新建模型**。
1. 在**创建新模型**对话框中，执行以下操作：
1. 在**模型名称**字段中输入名称。
1. 选择**图像分析**问题类型。
1. 选择**创建**。
1. 对于**选择数据集**，从数据集列表中选择您的数据集。如果您尚未导入数据，请选择**导入**以指导您完成导入数据工作流。
1. 如果您已准备好开始构建模型，请选定**选择数据集**。
1. 在**构建**选项卡上，您可以看到数据集中图像的**标签分布**。**模型类型**设置为**单标签图像预测**。
1. 在此页面上，您可以预览图像并编辑数据集。如果您有任何未标注的图像，请选择**编辑数据集**和[向未标注的图像分配标签](canvas-edit-image.md#canvas-edit-image-assign)。您还可以在[编辑图像数据集](canvas-edit-image.md)时执行其他任务，例如重命名标签和向数据集添加图像。
1. 查看数据并对数据集进行任何更改后，选择**快速构建**或**标准构建**，开始构建模型。以下屏幕截图显示了准备构建的图像预测模型的**构建**页面。
模型开始构建后，您可以离开此页面。当模型在**我的模型**页面上显示为**就绪**时，即可进行分析和预测。
## 构建自定义文本预测模型
多元文本预测模型同时支持**快速构建**和**标准构建**。
要构建文本预测模型，请按以下步骤操作：
1. 打开 SageMaker 画布应用程序。
1. 在左侧导航窗格中，选择**我的模型**。
1. 选择**新建模型**。
1. 在**创建新模型**对话框中，执行以下操作：
1. 在**模型名称**字段中输入名称。
1. 选择**文本分析**问题类型。
1. 选择**创建**。
1. 对于**选择数据集**，从数据集列表中选择您的数据集。如果您尚未导入数据，请选择**导入**以指导您完成导入数据工作流。
1. 如果您已准备好开始构建模型，请选定**选择数据集**。
1. 在**构建**选项卡的**目标列**下拉列表中，为模型选择要预测的目标。目标列必须具有二进制或分类数据类型，并且目标列中的每个唯一标签必须至少有 25 个条目（或数据行）。
1. 对于**模型类型**，确认模型类型自动设置为**多元文本预测**。
1. 对于训练列，选择文本数据的源列。这应该是包含要分析的文本的列。
1. 选择**快速构建**或**标准构建**，开始构建模型。以下屏幕截图显示了准备构建的文本预测模型的**构建**页面。
模型开始构建后，您可以离开此页面。当模型在**我的模型**页面上显示为**就绪**时，即可进行分析和预测。
## 建立时间序列预测模型
时间序列预测模型支持**快速构建**和**标准构建**。
要建立时间序列预测模型，请按照以下步骤操作：
1. 打开 SageMaker 画布应用程序。
1. 在左侧导航窗格中，选择**我的模型**。
1. 选择**新建模型**。
1. 在**创建新模型**对话框中，执行以下操作：
1. 在**模型名称**字段中输入名称。
1. 选择**时间序列预测**问题类型。
1. 选择**创建**。
1. 对于**选择数据集**，从数据集列表中选择您的数据集。如果您尚未导入数据，请选择**导入**以指导您完成导入数据工作流。
1. 如果您已准备好开始构建模型，请选定**选择数据集**。
1. 在**构建**选项卡的**目标列**下拉列表中，为模型选择要预测的目标。
1. 在**模型类型**部分，选择**配置模型**。
1. 此时将打开**配置模型**框。在**时间序列配置**部分，填写以下字段：
1. 在**项目 ID 列**中，选择数据集中唯一标识每一行的列。该列的数据类型应为 `Text`。
1. （可选）对于**分组列**，选择一个或多个要用于对预测值进行分组的分类列（数据类型为 `Text`）。
1. 对于**时间戳列**，选择带有时间戳（采用日期时间格式）的列。有关可接受的日期时间格式的更多信息，请参阅 [Amazon C SageMaker anvas 中的时间序列预测](canvas-time-series.md)。
1. 在**预测长度**字段中，输入您想要预测值的时间段。Canvas 会自动检测数据中的时间单位。
1. （可选）打开**使用假期时间表**开关，选择不同国家/区域的假期时间表，使您的假期数据预测更加准确。
1. 在**配置模型**框中，**高级**部分还有其他设置。有关各项高级设置的更多信息，请参阅 [高级模型构建配置](canvas-advanced-settings.md)。要配置**高级**设置，执行以下操作：
1. 在**目标指标**下拉菜单中，选择您希望 Canvas 在构建模型时优化的指标。如果您没有选择指标，Canvas 会默认为您选择一个指标。有关这些指标的说明，请参阅 [指标参考](canvas-metrics.md)。
1. 如果您运行的是标准构建，则您会看到**算法**部分。本部分用于选择您要用于构建模型的时间序列预测算法。您可以从可用算法中选择一个子集，如果您不确定要尝试哪些算法，也可以选择所有算法。
当您运行标准构建时，Canvas 会构建一个集合模型，将所有算法结合在一起，以优化预测准确性。
**注意**
如果您正在运行快速构建，Canvas 会使用一种基于树的学习算法来训练您的模型，您无需选择任何算法。
1. 对于**预测分位数**，最多输入 5 个以逗号分隔的分位数，以指定预测的上下限。
1. 配置完**高级**设置后，选择**保存**。
1. 选择或取消选择数据中的列，以便在构建时包含或删除这些列。
**注意**
如果您在构建模型后使用模型进行批量预测，Canvas 会将删除的列添加到您的预测结果中。但是，Canvas 不会将删除的列添加到时间序列模型的批量预测中。
1. （可选）使用 Canvas 提供的可视化和分析工具将数据可视化，并确定您可能希望在模型中包含哪些特征。有关更多信息，请参阅[探索和分析数据](https://docs.amazonaws.cn/sagemaker/latest/dg/canvas-explore-data.html)。
1. （可选）使用数据转换功能来清理、转换和准备用于构建模型的数据。有关更多信息，请参阅[使用高级转换准备数据](https://docs.amazonaws.cn/sagemaker/latest/dg/canvas-prepare-data.html)。您可以通过选择**模型配方**打开**模型配方**侧面板来查看和移除转换。
1. （可选）有关其他功能，如预览模型的准确性、验证数据集以及更改 Canvas 从数据集中抽取的随机样本的大小，请参阅[预览模型](canvas-preview-model.md)。
1. 查看数据并对数据集进行任何更改后，选择**快速构建**或**标准构建**，开始构建模型。
模型开始构建后，您可以离开此页面。当模型在**我的模型**页面上显示为**就绪**时，即可进行分析和预测。