发布于: Dec 8, 2020
借助 Amazon Redshift ML，数据仓库用户（如数据分析师、数据库开发人员和数据科学家）可以使用熟悉的 SQL 命令创建、训练和部署机器学习 (ML) 模型。Amazon Redshift 是使用最广泛的云数据仓库。现在，借助 Amazon Redshift ML，您通过 SQL 即可利用 Amazon SageMaker（一个完全托管的机器学习服务），而无需迁移数据或学习新技能。
借助由 Amazon SageMaker 提供支持的 Amazon Redshift ML，您可以使用 SQL 语句从 Amazon Redshift 中的数据创建和训练机器学习模型，然后将这些模型用于使用案例，例如直接在查询和报告中进行流失预测和欺诈风险评分。Amazon Redshift ML 使用 Amazon SageMaker Autopilot 根据训练数据自动发现并优化最佳模型。SageMaker Autopilot 从最佳回归模型、二进制模型或多类分类和线性模型中进行选择。
或者，您也可以选择模型类型（如 Xtreme 梯度提升树 (XGBoost)、问题类型（如回归或分类）以及预处理器或超参数。Amazon Redshift ML 使用您的参数在 Amazon Redshift 数据仓库中构建、训练和部署模型。您可以使用 SQL 查询从这些经过训练的模型中获取预测，就像调用用户定义的函数 (UDF) 一样，并可以利用 Amazon Redshift 的所有优势，包括大规模并行处理能力。
Amazon Redshift ML 利用您现有的集群资源进行预测，因此您无需额外支付 Amazon Redshift 费用。创建或使用模型无需额外支付 Amazon Redshift 费用；由于可以在 Amazon Redshift 集群中进行本地预测，因此无需额外付费，除非需要调整集群大小。Amazon Redshift ML 使用 Amazon SageMaker 训练模型时，需要额外支付相关费用。请查看 Redshift 定价页面，获取详细信息。