在本实验室中，您将扮演物流业公司的业务分析师角色。您的目标是预测货物到达的估计时间（天数）。您将使用零售领域的一个著名数据集 - Shipping Logs数据集。该数据集包含所有已交付产品的完整运输数据，包括估计的优先发运时间、承运人和发货地。该数据集约含有10000行，12个特性列，数据模式如下所示：

第一步是下载我们将使用的数据集。该数据集包含两个文件，您可以点击以下链接下载：

1. Shipping Logs（运输日志）
2. Product Description（产品说明）

进入亚马逊云科技管理控制台，在控制台顶部的搜索框中搜索S3，然后转到S3服务控制台。

在S3控制台，点击sagemaker-studio-*存储桶。

sagemaker-studio-*桶是在您在“手把手带你启动Amazon SageMaker Canvas  ”（先决条件）部分创建SageMaker
Studio域时自动创建的。

点击Upload（上传）。

在上传页面，拖放您刚刚下载的文件，然后在页面底部点击Upload（上传）。上传完成后，点击右上方的Close（关闭）按钮。现在，您应该看到文件已经上传至您的存储桶中。

返回在“手把手带你启动Amazon SageMaker Canvas”（先决条件）部分创建的SageMaker Canvas选项卡。在左侧的菜单上，您可以点击第二个图标，进入Datasets（数据集）部分，然后点击Import（导入）按钮。

现在，选择我们之前上传数据集的存储桶，即sagemaker-studio-*存储桶。

现在，您可以通过选择其左侧的复选框而选择之前上传的文件（ShippingLogs.csv和ProductDescriptions.csv）。在页面底部会弹出两个新的按钮：Preview all（预览全部）和Import Data（导入数据）。

现在，您会看到将要导入的数据集100行预览。核对无误后，点击Import Data（导入数据）。

现在，使用ProductID加入数据，并输入新的数据集名称ConsolidatedShippingData。

点击Save & Close（保存&关闭）。

现在，请点击左侧菜单上的第二个按钮，返回网页的Models（模型）部分。

点击+ New model（构建新模型），并为您的模型添加一个名称，例如“Housing Prices“或”Housing Regression“。

如果是首次构建Canvas模型，将会弹出一个信息窗口，介绍如何通过4个简单步骤构建首个模型。您可以先读一遍，然后再返回本指南。

Canvas将自动跳转至Build（构建）阶段。在该选项卡中，请选择目标列，在我们的示例中为ActualShippingDays。由于我们感兴趣的是需要多少天能将货物送抵客户（也称为回归），Canvas 会自动检测到这是一个numeric prediction（数值预测）问题。回归是根据一个或多个与之相关的其他变量或属性而估计目标因变量的值。在进一步操作之前，请确保模型类型为Numeric Prediction（数值预测）；如果类型不正确，您可以选择如下图所示的Change Type（更改类型）链接。

在屏幕的下半部分，您可以查看数据集的一些统计数据，包括缺失值和不匹配值、唯一值、均值和中值。您可以查看如下一些统计数据和信息：

Column View（列视图）提供了所有列的列表，其数据类型及其基本统计数据，包括缺失值和不匹配值、唯一值、均值和中值。这将有助于您制定策略，处理数据集中的缺失值

• Grid View（网格视图）提供各列和样本数据的数值分布图。您可以开始推断用于训练模型的相关列
  

• 您也可以放弃一些列，如果我们不想在预测中使用这些列，只需在左侧的复选框取消勾选即可。在本实验室中，我们计划取消那些对模型训练过程无用的列：order*_**id*，其是一个主关键字，不包含有价值的信息；出于同样原因，我们也将放弃product_id。
  

• 通过我们的探索性数据分析，可以看到数据集的缺失值不多。因此，我们不必处理缺失值。如果您看到您的特性缺失值很多，您可以过滤缺失值。
  

• 探索过该部分后，就到了最终训练模型的时候了！在构建完整的模型之前，通过训练一个Quick Model（快速模型），从而对我们的模型性能有一个大致了解，不失为一种很好的做法。为优先考虑速度而非准确性，快速模型所训练的模型和超参数组合较少，特别是在像我们这样想证明ML模型训练在我们用例之中的价值情况下。请注意，快速构建不能用于超过5万行的模型。让我们继续并点击Quick build（快速构建）。
  

现在，我们等待2-15分钟，让Quick build（快速构建）完成模型训练。

完成后，Canvas将自动跳转至Analyze（分析）选项卡，为我们展示快速训练的结果：

• R2 – 目标列内差异百分比，可通过输入列阐明。
• MAE – 平均绝对误差。平均而言，对目标列的预测与实际值相差+/- {MAE}。
• MAPE –平均绝对百分比误差。平均而言，对目标列的预测与实际值相差+/- {MAPE}%。
• RMSE – 均方根误差。误差的标准偏差。

下图为误差密度图。

1. 您可以点击页面底部的Predict（预测）按钮，使用该模型进行某些预测；
2. 您可以创建一个新版本的模型，通过Standard Build（标准构建）过程进行训练。这耗时更长 - 大约4-6个小时 - 但准确率更高。

现在，模型已经训练完毕，让我们用其进行一些预测。请在Analyze（分析）页面底部选择Predict（预测），或者选择Predict（预测）选项卡。

点击Batch prediction（批量预测）。现在，请选择Select dataset（选择数据集），并选择ConsolidatedShipping.csv。Canvas将使用该数据集来生成预测结果。一般而言，虽然不建议使用相同的数据集进行训练和测试，但为了简单起见，我们使用的是同一个数据集。如果您愿意的话，您也可以在选择视图中导入另一个数据集。几秒后，预测完成，您可以点击眼睛图标，查看预测结果预览，或者点击下载按钮，下载包含完整输出的CSV文件。

您也可以选择Single prediction（单次预测）而非批量预测，逐一预测数值。Canvas会显示一个供您为各特性手动输入数值的视图，并生成预测。这非常适合于what-if scenarios（假设场景）情况：例如，如果ShippingOrigin是休斯顿，ActualShippingDays将发生何种变化？如果我们使用了不同的承运人或PackageWeight不同，将会怎样？