发布于: Sep 2, 2021
我们非常高兴地宣布，Redshift ML 现已在由光环新网运营的亚马逊云科技中国（北京）区域和由西云数据运营的亚马逊云科技中国（宁夏）区域正式推出。借助 Amazon Redshift ML，您可以使用熟悉的 SQL 命令创建、训练和部署机器学习（ML）模型。借助 Amazon Redshift ML，您现在可以利用完全托管的机器学习服务 Amazon SageMaker，而无需移动数据或学习新技能。
借助由 Amazon SageMaker 提供支持的 Amazon Redshift ML，您可以使用 SQL 语句根据 Amazon Redshift 中的数据创建和训练机器学习模型，然后在查询和报告中直接将这些模型用于客户流失预测和欺诈风险评分等使用案例。Amazon Redshift ML 使用 Amazon SageMaker Autopilot 自动发现最佳模型，并根据训练数据对模型进行调整。SageMaker Autopilot 可以在回归、二进制或多类分类模型之间进行选择。或者，您也可以选择特定的模型类型，例如 Xtreme 梯度提升树（XGBoost）或多层感知器（MLP）、回归或分类等问题类型，以及预处理器或超参数。Amazon Redshift ML 使用您的参数在 Amazon Redshift 数据仓库中构建、训练和部署模型。您可以使用 SQL 查询从这些训练模型中获取预测，就像调用用户定义的函数（UDF）一样，并利用 Amazon Redshift 的所有优势，包括大规模并行处理功能。您还可以将预训练过的 SageMaker Autopilot、XGBoost 或 MLP 模型导入到 Amazon Redshift 集群中进行本地推理。
Amazon Redshift ML 还使您能够调用在远程 SageMaker 终端节点中部署的自定义机器学习模型。Amazon Redshift ML 利用现有的集群资源进行预测，因此您可以避免额外的 Amazon Redshift 费用。当您在 Amazon Redshift 中创建模型时，Amazon Redshift ML 会使用 Amazon SageMaker 来训练模型。您只需支付相关的 SageMaker 费用即可。创建或使用模型不需要额外的 Amazon Redshift 费用，并且预测会在您的 Amazon Redshift 集群中本地进行。有关详细信息，请查看 Redshift 定价页面。