Amazon Redshift wird UDFs ab dem 1. November 2025 die Erstellung von neuem Python nicht mehr unterstützen. Wenn Sie Python verwenden möchten UDFs, erstellen Sie das UDFs vor diesem Datum liegende. Bestehendes Python UDFs wird weiterhin wie gewohnt funktionieren. Weitere Informationen finden Sie im Blogbeitrag
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Tutorials für Amazon Redshift ML
Mithilfe von Amazon Redshift ML können Sie Machine-Learning-Modelle mit SQL-Anweisungen trainieren und sie in SQL-Abfragen für Prognosen aufrufen. Machine Learning in Amazon Redshift trainiert ein Modell mit einem SQL-Befehl. Amazon Redshift startet automatisch einen Schulungsjob in Amazon SageMaker AI und generiert ein Modell. Nachdem ein Modell erstellt wurde, können Sie mithilfe der Voraussagefunktion des Modells Prognosen in Amazon Redshift erstellen.
Befolgen Sie die Schritte in diesen Tutorials, um mehr über die Funktionen von Amazon Redshift ML zu erfahren:
-
Tutorial: Erstellen von Kundenabwanderungsmodellen— In diesem Tutorial verwenden Sie Amazon Redshift ML, um mit dem Befehl CREATE MODEL ein Modell zur Kundenabwanderung zu erstellen und Vorhersageabfragen für Benutzerszenarien auszuführen. Anschließend implementieren Sie Abfragen mit der SQL-Funktion, die der Befehl CREATE MODEL generiert.
-
Tutorial: k-Means-Clustering-Modelle erstellen— In diesem Tutorial verwenden Sie Amazon Redshift ML, um ein auf dem K-Means-Algorithmus basierendes Modell für maschinelles Lernen zu erstellen, zu trainieren und bereitzustellen.
-
Tutorial: Erstellen von Mehrklassen-Klassifizierungsmodellen— In diesem Tutorial verwenden Sie Amazon Redshift ML, um ein Modell für maschinelles Lernen zu erstellen, das Klassifizierungsprobleme mit mehreren Klassen löst. Der Mehrklassen-Klassifizierungsalgorithmus klassifiziert Datenpunkte in eine von drei oder mehr Klassen. Anschließend implementieren Sie Abfragen mit der SQL-Funktion, die der Befehl CREATE MODEL generiert.
-
Tutorial: Modelle erstellen XGBoost — In diesem Tutorial erstellen Sie ein Modell mit Daten aus Amazon S3 und führen mithilfe von Amazon Redshift ML Prognoseabfragen mit dem Modell aus. Der XGBoost Algorithmus ist eine optimierte Implementierung des Gradient Boosted Trees-Algorithmus.
-
Tutorial: Erstellen von Regressionsmodellen— In diesem Tutorial verwenden Sie Amazon Redshift ML, um ein Regressionsmodell für maschinelles Lernen zu erstellen und Vorhersageabfragen für das Modell auszuführen. Mit Regressionsmodellen können Sie numerische Ergebnisse vorhersagen, z. B. den Preis eines Hauses oder wie viele Personen den Fahrradverleih einer Stadt nutzen werden.
-
Tutorial: Erstellen von Regressionsmodellen mit linearem Lernen— In diesem Tutorial erstellen Sie ein lineares Lernmodell mit Daten aus Amazon S3 und führen mithilfe von Amazon Redshift ML Prognoseabfragen mit dem Modell aus. Der SageMaker KI-Algorithmus für lineare Lernende löst entweder Regressions- oder Klassifizierungsprobleme mit mehreren Klassen.
-
Tutorial: Erstellen von Mehrklassen-Klassifizierungsmodellen mit linearem Lernen— In diesem Tutorial erstellen Sie ein lineares Lernmodell mit Daten aus Amazon S3 und führen dann mithilfe von Amazon Redshift ML Prognoseabfragen mit dem Modell aus. Der SageMaker KI-Algorithmus für lineare Lernende löst entweder Regressions- oder Klassifizierungsprobleme.
