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。
根据您的数据流自动训练模型
您可以使用 Amazon A SageMaker utopilot 根据您在数据流中转换的数据自动训练、调整和部署模型。Amazon A SageMaker utopilot 可以分析多种算法，并使用最适合您的数据的算法。有关 Amazon A SageMaker utopilot 的更多信息，请参阅SageMaker 自动驾驶。
当您训练和调整模型时，Data Wrangler 会将您的数据导出到亚马逊 SageMaker 自动驾驶仪可以访问的 Amazon S3 位置。
您可以在 Data Wrangler 流中选择一个节点，然后在数据预览中选择导出并训练，来准备和部署模型。选择在数据集上训练模型之前，您可以使用此方法查看该数据集。
您也可以直接从数据流训练和部署模型。
下面的过程从数据流准备和部署模型。对于具有多行转换的 Data Wrangler 流，在部署模型时不能使用 Data Wrangler 流中的变换。您可以使用以下过程处理数据，然后再使用数据进行推理。
要直接从数据流中训练和部署模型，请执行以下操作。
-
选择包含训练数据的节点旁边的 +。
-
选择训练模型。
-
（可选）指定 Amazon KMS 密钥或 ID。有关创建和控制加密密钥以保护数据的更多信息，请参阅 Amazon Key Management Service。
-
选择导出并训练。
-
在 Amazon A SageMaker utopilot 根据 Data Wrangler 导出的数据训练模型后，为实验名称指定一个名称。
-
在 “输入数据” 下，选择 “预览” 以验证 Data Wrangler 是否正确地将您的数据导出到 Ama SageMaker zon Autopilot。
-
对于目标，选择目标列。
-
（可选）对于输出数据下的 S3 位置，请指定默认位置以外的 Amazon S3 位置。
-
选择下一步：训练方法。
-
选择训练方法。有关更多信息，请参阅 模型训练。
-
（可选）对于自动部署端点，指定端点名称。
-
对于部署选项，选择一个部署方法。您可以选择在对数据进行转换或不转换的情况下进行部署。
重要
你无法使用你在数据牧马人流程中所做的转换来部署 Amazon A SageMaker utopilot 模型。有关这些转换的更多信息，请参阅 导出到推理端点。
-
选择复查并创建。
-
选择 Create experiment (创建实验)。
有关模型训练和部署的更多信息，请参阅 使用 AutoML API 为表格数据创建回归或分类作业。Autopilot 会向您显示有关最佳模型性能的分析。有关模型性能的更多信息，请参阅 查看 Autopilot 模型性能报告。