我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件可供現有使用者使用，但我們不再更新。如需詳細資訊，請參閱[什麼是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。
本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 使用 Amazon Redshift 資料建立資料來源 （主控台）
Amazon ML 主控台提供兩種使用 Amazon Redshift 資料建立資料來源的方式。您可以透過完成建立資料來源精靈來建立資料來源，或者，如果您已經從 Amazon Redshift 資料建立資料來源，則可以複製原始資料來源並修改其設定。複製資料來源可讓您輕鬆地建立多個類似的資料來源。
如需使用 API 建立資料來源的資訊，請參閱 [CreateDataSourceFromRedshift](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateDataSourceFromRedshift.html)。
如需下列程序中參數的詳細資訊，請參閱[建立資料來源精靈的必要參數](redshift-parameters.md)。
**Topics**
+ [建立資料來源 (主控台)](#create-redshift-datasource)
+ [複製資料來源 (主控台)](#copy-redshift-datasource)
## 建立資料來源 (主控台)
若要將資料從 Amazon Redshift 卸載至 Amazon ML 資料來源，請使用建立資料來源精靈。
**從 Amazon Redshift 中的資料建立資料來源**
1. 開啟位於 https：//[https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/) 的 Amazon Machine Learning 主控台。
1. 在 Amazon ML 儀表板的**實體**下，選擇**建立新...**，然後選擇**資料來源**。
1. 在**輸入資料**頁面上，選擇 **Amazon Redshift**。
1. 在 Create Datasource (建立資料來源) 精靈中，**Cluster identifier (叢集識別符)** 輸入叢集的名稱。
1. 針對**資料庫名稱**，輸入 Amazon Redshift 資料庫的名稱。
1. **Database user name (資料庫使用者名稱)** 輸入您的資料庫使用者名稱。
1. **Database password (資料庫密碼)** 輸入您的資料庫密碼。
1. 針對 **IAM role (IAM 角色)**，選擇您的 IAM 角色。如果您還沒有，請選擇**建立新角色**。Amazon ML 會為您建立 IAM Amazon Redshift 角色。
1. 若要測試 Amazon Redshift 設定，請選擇**測試存取** (**IAM 角色**旁）。如果 Amazon ML 無法使用提供的設定連線至 Amazon Redshift，您就無法繼續建立資料來源。如需故障診斷協助，請參閱[對錯誤進行故障診斷](troubleshooting.md#trouble-errors)。
1. 針對 **SQL query (SQL 查詢)**，輸入您的 SQL 查詢。
1. 針對**結構描述位置**，選擇您是否希望 Amazon ML 為您建立結構描述。如果您已自行建立結構描述，請輸入結構描述檔案的 Amazon S3 路徑。
1. 對於 **Amazon S3 預備位置**，輸入您希望 Amazon ML 從 Amazon Redshift 卸載資料的儲存貯體的 Amazon S3 路徑。
1. (選用) 針對 **Datasource name (資料來源名稱)**，輸入資料來源的名稱。
1. 選擇 **Verify (驗證)**。Amazon ML 會驗證它是否可以連接到您的 Amazon Redshift 資料庫。
1. 在 **Schema (結構描述)** 頁面上，檢閱所有屬性的資料類型，並視需要進行更正。
1. 選擇**繼續**。
1. 若您想要使用此資料來源建立或評估 ML 模型，則針對 **Do you plan to use this dataset to create or evaluate an ML model? (您要使用此資料集建立或評估 ML 模型嗎？)** 選擇 **Yes (是)**。如果您選擇 **Yes (是)**，請選擇目標資料列。如需目標的資訊，請參閱[使用 targetAttributeName 欄位](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field)。
若您想要使用此資料來源與已建立的模型來建立預測，請選擇 **No (否)**。
1. 選擇**繼續**。
1. 如果您的資料未包含資料列識別符，針對 **Does your data contain an identifier? (您的資料包含識別符嗎？)** 請選擇 **No (否)**。
若您的資料包含資料列識別符，則選擇 **Yes (是)**。如需資料列識別符的資訊，請參閱[使用 rowID 欄位](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field)。
1. 選擇**檢閱**。
1. 在 **Review (檢閱)** 頁面上檢閱設定，然後選擇 **Finish (完成)**。
建立資料來源之後，即可使用它來[create an ML model](creating-ml-model-on-the-amazon-ml-console.md)。如果您已建立模型，則可以使用資料來源[evaluate an ML model](evaluating_models.md)或[generate predictions](interpreting_predictions.md)。
## 複製資料來源 (主控台)
當您想要建立與現有資料來源類似的資料來源時，您可以使用 Amazon ML 主控台來複製原始資料來源並修改其設定。例如，您可以選擇從現有的資料來源開始，然後修改資料結構描述以更接近您的資料；變更用於從 Amazon Redshift 卸載資料的 SQL 查詢；或指定不同的 AWS Identity and Access Management (IAM) 使用者來存取 Amazon Redshift 叢集。
**複製和修改 Amazon Redshift 資料來源**
1. 開啟位於 https：//[https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/) 的 Amazon Machine Learning 主控台。
1. 在 Amazon ML 儀表板的**實體**下，選擇**建立新...**，然後選擇**資料來源**。
1. 在**輸入資料**頁面上，針對**您的資料在哪裡？**，選擇 **Amazon Redshift**。如果您已從 Amazon Redshift 資料建立資料來源，您可以選擇從另一個資料來源複製設定。
![\[Amazon S3 and Amazon Redshift icons with option to copy settings from existing datasource.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/infobar.png)
如果您尚未從 Amazon Redshift 資料建立資料來源，此選項不會出現。
1. 選擇 **Find a datasource (尋找資料來源)**。
1. 選取您要複製的資料來源，然後選擇**複製設定**。Amazon ML 會使用原始資料來源的設定自動填入大部分的資料來源設定。它不會複製原始資料來源中的資料庫密碼、結構描述位置或資料來源名稱。
1. 修改您要變更之任何自動填入的設定。例如，如果您想要變更 Amazon ML 從 Amazon Redshift 卸載的資料，請變更 SQL 查詢。
1. **Database password (資料庫密碼)** 輸入您的資料庫密碼。Amazon ML 不會儲存或重複使用您的密碼，因此您必須一律提供密碼。
1. （選用） 對於**結構描述位置**，Amazon ML 會預先選取**我想要 Amazon ML 為您產生建議的結構描述**。如果您已建立結構描述，請選擇**我想要使用在 Amazon S3 中建立和存放的結構描述**，然後在 Amazon S3 中輸入結構描述檔案的路徑。
1. (選用) 針對 **Datasource name (資料來源名稱)**，輸入資料來源的名稱。否則，Amazon ML 會為您產生新的資料來源名稱。
1. 選擇 **Verify (驗證)**。Amazon ML 會驗證它是否可以連接到您的 Amazon Redshift 資料庫。
1. （選用） 如果 Amazon ML 為您推斷結構描述，請在**結構描述**頁面上檢閱所有屬性的資料類型，並視需要加以更正。
1. 選擇**繼續**。
1. 若您想要使用此資料來源建立或評估 ML 模型，則針對 **Do you plan to use this dataset to create or evaluate an ML model? (您要使用此資料集建立或評估 ML 模型嗎？)** 選擇 **Yes (是)**。如果您選擇 **Yes (是)**，請選擇目標資料列。如需目標的資訊，請參閱[使用 targetAttributeName 欄位](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field)。
若您想要使用此資料來源與已建立的模型來建立預測，請選擇 **No (否)**。
1. 選擇**繼續**。
1. 如果您的資料未包含資料列識別符，針對 **Does your data contain an identifier? (您的資料包含識別符嗎？)** 請選擇 **No (否)**。
如果您的資料包含資料列識別符，請選擇 **Yes (是)**，然後選取您想要用作識別符的資料列。如需資料列識別符的資訊，請參閱[使用 rowID 欄位](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field)。
1. 選擇**檢閱**。
1. 檢閱您的設定，然後選擇 **Finish (完成)**。
建立資料來源之後，即可使用它來[create an ML model](creating-ml-model-on-the-amazon-ml-console.md)。如果您已建立模型，則可以使用資料來源[evaluate an ML model](evaluating_models.md)或[generate predictions](interpreting_predictions.md)。