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 SageMaker AI Canvas 建置預測模型
<a name="sagemaker-canvas-integration"></a>

Amazon Quick 作者可以將資料匯出至 SageMaker AI Canvas，以建置可傳回 Quick 的 ML 模型。作者可以使用這些機器學習模型透過預測分析來擴增其資料集，進而將資料集用於建立分析和儀表板。

**先決條件**
+ 與 IAM Identity Center 整合的快速帳戶。如果您的快速帳戶未與 IAM Identity Center 整合，請建立新的快速帳戶，然後選擇**使用已啟用 IAM Identity Center 的應用程式**做為身分提供者。
  + 如需 IAM Identity Center 的詳細資訊，請參閱 [Getting started](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html) 中的內容。
  + 若要進一步了解如何將 Quick 與 IAM Identity Center 整合，請參閱 [使用 IAM Identity Center 設定 Amazon Quick 帳戶](setting-up-sso.md#sec-identity-management-identity-center)。
  + 若要將資產從現有的快速帳戶匯入至與 IAM Identity Center 整合的新快速帳戶，請參閱[資產套件操作](https://docs.aws.amazon.com/quicksight/latest/developerguide/asset-bundle-ops.html)。
+ 與 IAM Identity Center 整合的新 SageMaker AI 網域。如需使用 IAM Identity Center 加入 SageMaker AI 網域的詳細資訊，請參閱 [Onboard to SageMaker AI Domain using IAM Identity Center](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-sso-users.html) 中的內容。

**Topics**
+ [從 Amazon Quick Sight 在 SageMaker AI Canvas 中建置預測模型](#sagemaker-canvas-integration-create-model)
+ [使用 SageMaker AI Canvas 模型建立資料集](#sagemaker-canvas-integration-create-dataset)
+ [考量事項](#sagemaker-canvas-integration-considerations)

## 從 Amazon Quick Sight 在 SageMaker AI Canvas 中建置預測模型
<a name="sagemaker-canvas-integration-create-model"></a>

**在 SageMaker AI Canvas 中建置預測模型**

1. 登入 Amazon Quick 並導覽至您要為其建立預測模型的表格式資料表或樞紐分析表。

1. 開啟視覺化效果選單並選擇**建置預測模型**。

1. 在顯示的**在 SageMaker AI Canvas 中建置預測模型**快顯視窗中，檢視顯示的資訊，然後選擇**將資料匯出至 SAGEMAKER CANVAS**。

1. 在顯示的**匯出**窗格中，選擇匯出完成後**前往 SAGEMAKER CANVAS** 以前往 SageMaker AI Canvas 主控台。

1. 在 SageMaker AI Canvas 中，使用您從 Quick Sight 匯出的資料建立預測模型。您可以選擇跟隨引導式導覽來協助您建置預測模型，也可以略過導覽按自己的步調進行。如需在 SageMaker AI Canvas 中建置預測模型的詳細資訊，請參閱 [Build a model](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model-how-to.html#canvas-build-model-numeric-categorical) 中的內容。

1. 將預測模型傳回 Quick Sight。如需將模型從 SageMaker AI Canvas 傳送至 Amazon Quick Sight 的詳細資訊，請參閱[將模型傳送至 Amazon Quick Sight](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-model-to-quicksight.html)。

## 使用 SageMaker AI Canvas 模型建立資料集
<a name="sagemaker-canvas-integration-create-dataset"></a>

在 SageMaker AI Canvas 中建立預測模型並將其傳回 Quick Sight 後，請使用新模型建立新的資料集，或將其套用至現有的資料集。

**將預測欄位新增至資料集**

1. 開啟快速主控台，選擇左側**的資料**，然後選擇**資料集**索引標籤。

1. 上傳新資料集或選擇現有資料集。

1. 選擇**編輯**。

1. 在資料集的資料準備頁面上，選擇**新增**，然後選擇**新增預測欄位**，以開啟**使用 SageMaker AI 擴增**模態對話方塊。

1. 針對**模型**，從 SageMaker AI Canvas 選擇您傳送至 Quick Sight 的模型。結構描述檔案會自動填入**進階設定**窗格中。檢閱輸入，然後選擇**下一步**。

1. 在**檢視輸出**窗格中，輸入您在 SageMaker AI Canvas 中建立的模型所針對的資料欄的欄位名稱和描述。

1. 完成後，選擇**準備資料**。

1. 選擇**準備資料**後，您將被重新導向到資料集頁面。若要發布新資料集，請選擇**發布並視覺化**。

當您發布使用 SageMaker AI Canvas 模型的新資料集時，資料會匯入 SPICE 中，並在 SageMaker AI 中開始批次推論任務。這些程序最長可能需要 10 分鐘的時間才能完成。

## 考量事項
<a name="sagemaker-canvas-integration-considerations"></a>

下列限制適用於使用 Quick Sight 資料建立 SageMaker AI Canvas 模型。
+ 用於將資料傳送至 SageMaker AI Canvas 的**建置預測模型**選項僅適用於資料表和資料表式樞紐分析表視覺化效果。資料表或樞紐分析表視覺化效果必須具有 2 到 1,000 個欄位，以及至少 500 列。
+ 當您為資料集新增預測欄位時，包含整數或地理資料類型的資料集將會遇到結構描述映射錯誤。若要解決此問題，請從資料集中移除整數或地理資料類型，或將它們轉換為新的資料類型。