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.
Training von Machine-Learning-Modellen mit Amazon-Redshift-Daten
Mit Amazon Redshift Machine Learning (Amazon Redshift ML) können Sie ein Modell trainieren, indem Sie die Daten an Amazon Redshift bereitstellen. Dann erstellt Amazon Redshift ML Modelle, die Muster in den Eingabedaten erfassen. Sie können diese Modelle dann verwenden, um Prognosen für neue Eingabedaten zu generieren, ohne dass zusätzliche Kosten entstehen. Mithilfe von Amazon Redshift ML können Sie Machine-Learning-Modelle mithilfe von SQL-Anweisungen trainieren und sie in SQL-Abfragen für Prognosen aufrufen. Sie können die Genauigkeit der Prognosen weiter verbessern, indem Sie die Parameter iterativ ändern und Ihre Trainingsdaten verbessern.
Amazon Redshift ML erleichtert SQL-Benutzern das Erstellen, Trainieren und Bereitstellen von Machine-Learning-Modellen mit vertrauten SQL-Befehlen. Mithilfe von Amazon Redshift ML können Sie Ihre Daten in Amazon Redshift Redshift-Clustern verwenden, um Modelle mit Amazon SageMaker AI Autopilot zu trainieren und automatisch das beste Modell zu erhalten. Sie können dann die Modelle lokalisieren und Prognosen innerhalb einer Amazon-Redshift-Datenbank erstellen.
Weitere Informationen zu Amazon Redshift ML finden Sie unter Erste Schritte mit Amazon Redshift ML im Datenbankentwicklerhandbuch zu Amazon Redshift.
