Amazon Redshift non supporterà più l'uso delle UDF Python dopo il 30 giugno 2026. Inizieremo ad applicarlo per fasi. Per ulteriori informazioni sulla fine del ciclo di vita e sulle opzioni di migrazione di Python, consulta il post del
Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Tutorial per Amazon Redshift ML
Con funzionalità di machine learning di Amazon Redshift, è possibile addestrare modelli di machine learning utilizzando istruzioni SQL e quindi richiamarli nelle query SQL per generare previsioni. Il machine learning in Amazon Redshift addestra un modello con un comando SQL. Amazon Redshift avvia automaticamente un processo di formazione in Amazon SageMaker AI e genera un modello. Dopo aver creato un modello, è possibile eseguire previsioni in Amazon Redshift utilizzando la funzione di previsione del modello.
Seguire la procedura descritta in questi tutorial per scoprire le funzionalità di funzionalità di machine learning di Amazon Redshift.
-
Tutorial: Creazione di modelli di abbandono dei clienti: in questo tutorial utilizzi Amazon Redshift ML per creare un modello di abbandono dei clienti con il comando CREATE MODEL ed eseguire query di previsione per gli scenari utente. Implementerai quindi le query utilizzando la funzione SQL generata dal comando CREATE MODEL.
-
Tutorial: creazione di modelli di K-means clustering— In questo tutorial, usi Amazon Redshift ML per creare, addestrare e distribuire un modello di apprendimento automatico basato sull'algoritmo. K-means
-
Tutorial: Creazione di modelli di classificazione multi-classe: in questo tutorial utilizzi Amazon Redshift ML per creare un modello di machine learning che risolva i problemi di classificazione multiclasse. L'algoritmo di classificazione multi-classe classifica i punti dati in una delle tre o più classi. Implementerai quindi le query utilizzando la funzione SQL generata dal comando CREATE MODEL.
-
Tutorial: Creazione di modelli XGBoost: in questo tutorial crei un modello con i dati di Amazon S3 ed esegui query di previsione con il modello utilizzando Amazon Redshift ML. L'algoritmo XGBoost è un'implementazione ottimizzata dell'algoritmo degli alberi di gradient boosting.
-
Tutorial: Creazione di modelli di regressione: in questo tutorial utilizzi Amazon Redshift ML per creare un modello di regressione basato sul machine learning ed eseguire query di previsione sul modello. I modelli di regressione consentono di prevedere risultati numerici, ad esempio il prezzo di un immobile o quante persone utilizzeranno il servizio di noleggio biciclette di una città.
-
Tutorial: Creazione di modelli di regressione con Linear Learner: in questo tutorial crei un modello basato sull’algoritmo Linear Learner con i dati di Amazon S3 ed esegui query di previsione con il modello utilizzando Amazon Redshift ML. L'algoritmo SageMaker AI linear learner risolve problemi di regressione o di classificazione multiclasse.
-
Tutorial: Creazione di modelli di classificazione multi-classe con Linear Learner: in questo tutorial crei un modello Linear Learner con i dati di Amazon S3, quindi esegui query di previsione con il modello utilizzando Amazon Redshift ML. L'algoritmo SageMaker AI linear learner risolve problemi di regressione o classificazione.
