Amazon Machine Learning サービスの更新や、その新しいユーザーの受け入れは行っていません。このドキュメントは既存のユーザー向けに提供されていますが、更新は終了しています。詳細については、「[Amazon Machine Learning とは](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)」を参照してください。

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Amazon Redshift のデータから Amazon ML データソースを作成する


Amazon Redshift に保存したデータがある場合は、Amazon Machine Learning (Amazon ML) コンソールの **[Create Datasource]** (データソースの作成) ウィザードを使用して、データソースオブジェクトを作成できます。Amazon Redshift データからデータソースを作成する場合は、データを含むクラスター、および、データを取得する SQL クエリを指定します。クラスターの Amazon Redshift `Unload` コマンドを呼び出すことで Amazon ML はクエリを実行します。Amazon ML は、選択した Amazon Simple Storage Service (Amazon S3) の場所に結果を保存し、Amazon S3 に保存されているデータを使用してデータソースを作成します。データソース、Amazon Redshift クラスター、および S3 バケットはすべて同じリージョンにある必要があります。

**注記**  
 Amazon ML はプライベート VPC で Amazon Redshift クラスターからのデータソースの作成をサポートしていません。クラスターにはパブリック IP アドレスが必要です。

**Topics**
+ [

# データソースの作成ウィザードに必要なパラメータ
](redshift-parameters.md)
+ [

# Amazon Redshift データ (コンソール) でデータソースを作成する
](create-datasource-from-redshift-procedure.md)
+ [

# Amazon Redshift の問題のトラブルシューティング
](troubleshooting.md)

# データソースの作成ウィザードに必要なパラメータ


 Amazon ML が Amazon Redshift データベースに接続し、ユーザーに代わってデータを読み込むのを許可するには、以下を提供する必要があります。
+ Amazon Redshift `ClusterIdentifier`
+ Amazon Redshift データベースの名前
+ Amazon Redshift データベースの認証情報 (ユーザー名とパスワード)
+ Amazon ML Amazon Redshift AWS Identity and Access Management (IAM) ロール
+ Amazon Redshift SQL クエリ
+ (オプション) Amazon ML スキーマの場所
+ Amazon S3 のステージング場所 (Amazon ML がデータソースを作成する前にデータを配置した所)

さらに、Amazon Redshift データソースを作成する IAM ユーザーまたはロール (コンソールによるか、または、`CreateDatasourceFromRedshift` アクションを使用するかにかかわらず) が、`iam:PassRole` 権限を持っていることを確認する必要があります。

**Amazon Redshift`ClusterIdentifier`**  
 この大文字と小文字を区別するパラメータを使用して、Amazon ML がクラスターを検索して接続できるようにします。Amazon Redshift コンソールからクラスター識別子 (名前) を取得できます。クラスターの詳細については、「[Amazon Redshift クラスター](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-clusters.html)」を参照してください。

**Amazon Redshift データベースの名前**  
 このパラメータを使用して、Amazon Redshift クラスターのどのデータベースにデータソースとして使用するデータが含まれているかを Amazon ML に伝えます。

**Amazon Redshift データベース認証情報**  
 これらのパラメータを使用して、セキュリティクエリが実行されるコンテキスト内の Amazon Redshift データベースユーザーのユーザー名とパスワードを指定します。  
Amazon ML では、Amazon Redshift データベースに接続するために、Amazon Redshift ユーザー名とパスワードが必要です。データを Amazon S3 にアンロードした後に、Amazon ML がパスワードを再利用する、または、パスワードを保存することはありません。

**Amazon ML Amazon Redshift ロール**  
 このパラメータを使用して、Amazon Redshift クラスターのセキュリティグループと Amazon S3 のステージング場所のバケットポリシーを設定するために Amazon ML が使用する IAM ロールの名前を指定します。  
Amazon Redshift にアクセスできる IAM ロールがない場合は、Amazon ML がロールを作成できます。Amazon ML がロールを作成すると、顧客管理ポリシーが作成され、IAM ロールにアタッチされます。Amazon ML が作成するポリシーは、指定したクラスターのみにアクセスするためのアクセス権限を Amazon ML に付与します。  
Amazon Redshift にアクセスするための IAM ロールがすでにある場合は、ロールの ARN を入力するか、ドロップダウンリストからロールを選択できます。Amazon Redshift アクセス権限を持つ IAM ロールはドロップダウンの上部に表示されます。  
IAM ロールには、次の内容が必要です。    
****  

```
{
    "Version":"2012-10-17",		 	 	 
    "Statement": [
    {
        "Effect": "Allow",
        "Principal": {
            "Service": "machinelearning.amazonaws.com"
        },
        "Action": "sts:AssumeRole",
        "Condition": {
            "StringEquals": { "aws:SourceAccount": "123456789012" },
           "ArnLike": { "aws:SourceArn": "arn:aws:machinelearning:us-east-1:123456789012:datasource/*" }
        }
    }]
}
```
顧客管理ポリシーの詳細については、「*IAM ユーザーガイド*」の「[顧客管理ポリシー](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_managed-vs-inline.html#customer-managed-policies)」を参照してください。

**Amazon Redshift SQL クエリ**  
 このパラメータを使用して、データを選択するために Amazon Redshift データベースで Amazon ML が実行する SQL SELECT クエリを指定します。Amazon ML は、Amazon Redshift の [UNLOAD](https://docs.aws.amazon.com/redshift/latest/dg/t_Unloading_tables.html) アクションを使用して、クエリの結果を Amazon S3 の場所に安全にコピーします。  
 Amazon ML は、入力レコードがランダムな順序 (シャッフル) のときに最も効果的です。Amazon Redshift **random()** 関数を使用すると、Amazon Redshift SQL クエリの結果を簡単にシャッフルできます。たとえば、これが元のクエリであるとします。  

```
 "SELECT col1, col2, … FROM training_table" 
```
 次のようにクエリを更新することでランダムなシャッフルを埋め込むことができます。  

```
 "SELECT col1, col2, … FROM training_table ORDER BY random()" 
```

** スキーマの場所 (オプション)**  
このパラメータを使用して、Amazon ML がエクスポートする Amazon Redshift データのスキーマへの Amazon S3 パスを指定します。  
データソースのスキーマを指定しない場合、Amazon ML コンソール は Amazon Redshift SQL クエリのデータスキーマに基づいて Amazon ML スキーマを自動的に作成します。Amazon ML スキーマは データ型が Amazon Redshift スキーマより少ないため、1 対 1 の変換ではありません。Amazon ML コンソールは、次の変換スキームを使用して Amazon Redshift データ型を Amazon ML データ型に変換します。      
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/machine-learning/latest/dg/redshift-parameters.html)
Amazon ML `Binary` データ型に変換するには、データ内の Amazon Redshift ブール値が Amazon ML バイナリ値をサポートしている必要があります。ブール値のデータ型が、サポートされていない値を持つ場合は、Amazon ML はそれをできるだけ具体的なデータ型に変換します。例えば、Amazon Redshift のブール値が `0`、`1`、および `2` である場合、Amazon ML はブール値を `Numeric` データ型に変換します。サポートされているバイナリ値の詳細については、「[AttributeType フィールドの使用](creating-a-data-schema-for-amazon-ml.md#assigning-data-types)」を参照してください。  
Amazon ML がデータ型を判別できない場合は、デフォルトの `Text` となります。  
Amazon ML がスキーマを変換したら、割り当てられた Amazon ML のデータ型をデータソース作成ウィザードで確認し修正でき、Amazon ML がデータソースを作成する前にスキーマを変更できます。

**Amazon S3 のステージング場所**  
 このパラメータを使用して、Amazon ML が Amazon Redshift SQL クエリの結果を保存している Amazon S3 のステージング場所の名前を指定します。データソースを作成した後、Amazon ML はデータを Amazon Redshift に返すのではなく、ステージング場所で使用します。  
Amazon ML は Amazon ML Amazon Redshift ロールによって定義された IAM ロールを引き受けるため、Amazon ML は指定された Amazon S3 ステージング場所のすべてのオブジェクトにアクセスできるアクセス許可を持ちます。このため、Amazon S3 のステージング場所には、機密情報が含まれていないファイルのみを保存するようお勧めします。例えば、ルートバケットが `s3://mybucket/` の場合、 Amazon ML がアクセスするファイルだけを保存するための場所を作成することをお勧めします (例: `s3://mybucket/AmazonMLInput/`)。

# Amazon Redshift データ (コンソール) でデータソースを作成する


Amazon ML コンソールには、Amazon Redshift データを使用してデータソースを作成する 2 つの方法が用意されています。データソース作成ウィザードを完了して、データソースを作成することも、Amazon Redshift データから作成したデータソースがすでにあれば、元のデータソースをコピーして設定を変更することもできます。データソースをコピーすれば、類似のデータソースを複数作成することが簡単にできます。

API を使用したデータソースの作成の詳細については、「[CreateDataSourceFromRedshift](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateDataSourceFromRedshift.html)」を参照してください。

以下の手順のパラメータの詳細については、[データソースの作成ウィザードに必要なパラメータ](redshift-parameters.md) を参照してください。

**Topics**
+ [

## データソースの作成 (コンソール)
](#create-redshift-datasource)
+ [

## データソースのコピー (コンソール)
](#copy-redshift-datasource)

## データソースの作成 (コンソール)


Amazon Redshift から Amazon ML データソースへデータをアンロードするには、データソース作成ウィザードを使用します。

**Amazon Redshift のデータからデータソースを作成するには**

1. Amazon Machine Learning コンソール ([https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/)) を開きます。

1. Amazon ML ダッシュボードの **[Entities]** (エンティティ) の下で、**[Create new...]** (新規作成...)、**[Datasource]** (データソース) の順に選択します。

1. **[Input data]** (入力データ) ページで、**[Amazon Redshift]** を選択します。

1. データソース作成ウィザードで、[**クラスター識別子**] にクラスターの名前を入力します。

1. **[Database name]** (データベース名) には、Amazon Redshift データベースの名前を入力します。

1. [**データベースユーザー名**] にデータベースのユーザー名を入力します。

1. [**データベースパスワード**] にデータベースのパスワードを入力します。

1. [**IAM ロール**] で、IAM ロールを選択します。まだロールがない場合は、**[Create a new role]** (新しいロールの作成) を選択します。Amazon ML によって自動的に IAM Amazon Redshift ロールが作成されます。

1. Amazon Redshift の設定をテストするには、**[Test Access]** (アクセスのテスト) (**[IAM role]** (IAM ロール) の横) を選択します。提供された設定で Amazon ML が Amazon Redshift に接続できない場合は、データソースの作成を継続できません。トラブルシューティングのヘルプについては、[エラーのトラブルシューティング](troubleshooting.md#trouble-errors) を参照してください。

1. [**SQL クエリ**] には、SQL クエリを入力します。

1. **[Schema location]** (スキーマの場所) では、Amazon ML がスキーマを作成するかどうかを選択します。スキーマを自分で作成した場合は、スキーマファイルに Amazon S3 パスを入力します。

1. **[Amazon S3 staging location]** (Amazon S3 ステージング場所) には、Amazon ML が Amazon Redshift からアンロードしたデータを配置するバケットへの Amazon S3 パスを入力します。

1. (オプション) [**データソース名**] には、データソースの名前を入力します。

1. **確認**を選択します。Amazon ML は Amazon Redshift データベースに接続できることを確認します。

1. [**スキーマ**] ページで、すべての属性のデータ型を確認し、必要に応じて修正します。

1. [**続行**] をクリックしてください。

1. このデータソースを使用して ML モデルを作成または評価する場合は、[**Do you plan to use this dataset to create or evaluate an ML model? (このデータセットを使用して ML モデルを作成または評価することを計画しますか?)**] で [**Yes (はい)**] を選択します。[**Yes (はい)**] を選択した場合は、ターゲット行を選択します。ターゲットの詳細については、[targetAttributeName フィールドの使用](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field) を参照してください。

   予測を作成するために既に作成したモデルと共にこのデータソースを使用する場合は、[**No (いいえ)**] を選択します。

1. [**続行**] をクリックしてください。

1. [**Does your data contain an identifier? (データには識別子が含まれていますか。)**] で、データに行の識別子が含まれていなければ、[**No (いいえ)**] を選択します。

   データに行の識別子が含まれていれば、[**Yes (はい)**] を選択します。行の識別子の詳細については、[rowID フィールドの使用](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field) を参照してください。

1. **[Review]** (レビュー) を選択します。

1. [**レビュー**] ページで、設定を確認し、[**完了**] を選択します。

データソースを作成した後、[create an ML model](creating-ml-model-on-the-amazon-ml-console.md) に使用できます。すでにモデルを作成している場合は、データソースを [evaluate an ML model](evaluating_models.md) または [generate predictions](interpreting_predictions.md) に使用できます。

## データソースのコピー (コンソール)


既存のデータソースに似たデータソースを作成する場合は、Amazon ML コンソールを使用して元のデータソースをコピーし、設定を変更できます。たとえば、既存のデータソースから開始し、データスキーマをより密接に一致させるように変更したり、Amazon Redshift からデータをアンロードするために使用される SQL クエリを変更したり、Amazon Redshift クラスターにアクセスする別の AWS Identity and Access Management (IAM) ユーザーを指定したりできます。

**Amazon Redshift データソースをコピーして変更するには**

1. Amazon Machine Learning コンソール ([https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/)) を開きます。

1. Amazon ML ダッシュボードの **[Entities]** (エンティティ) の下で、**[Create new...]** (新規作成...)、**[Datasource]** (データソース) の順に選択します。

1. **[Input data]** (入力データ) ページの、**[Where is your data?]** (データの場所) で、**[Amazon Redshift]** を選択します。Amazon Redshift データから作成されたデータソースがすでにある場合は、別のデータソースから設定をコピーすることを選択できます。  
![\[Amazon S3 and Amazon Redshift icons with option to copy settings from existing datasource.\]](http://docs.aws.amazon.com/ja_jp/machine-learning/latest/dg/images/infobar.png)

   Amazon Redshift データから作成されたデータソースを持っていない場合は、このオプションは表示されません。

1. [**Find a datasource (データソースの検索)**] を選択します。

1. コピーするデータソースを選択し、**[Copy settings]** (設定のコピー) を選択します。Amazon ML が、データソース設定のほとんどに、元のデータソースからの設定を自動入力します。データベースパスワード、スキーマの場所、データソース名は元のデータソースからコピーされません。

1. 必要に応じて、自動入力された設定を変更します。例えば、Amazon ML が Amazon Redshift からアンロードするデータを変更する場合は、SQL クエリを変更します。

1. [**データベースパスワード**] にデータベースのパスワードを入力します。Amazon ML はパスワードの保存や再利用をしないため、常に自分で入力する必要があります。

1. (オプション) **[Schema location]** (スキーマの場所) では、Amazon MLによって **[I want Amazon ML to generate a recommended schema]** (Amazon ML が推奨スキーマを生成する) が前もって選択されています。スキーマをすでに作成している場合は、**[I want to use the schema that I created and stored in Amazon S3]** (Amazon S3 で作成して保存したスキーマを使用する) を選択し、Amazon S3 のスキーマファイルへのパスを入力します。

1. (オプション) [**データソース名**] には、データソースの名前を入力します。それ以外の場合は、Amazon ML が新しいデータソース名を生成します。

1. **確認**を選択します。Amazon ML は Amazon Redshift データベースに接続できることを確認します。

1. (オプション) Amazon ML が **[Schema]** (スキーマ) ページでスキーマを推定した場合は、スキーマのすべての属性のデータ型を確認し、必要に応じて修正します。

1. [**続行**] をクリックしてください。

1. このデータソースを使用して ML モデルを作成または評価する場合は、[**Do you plan to use this dataset to create or evaluate an ML model? (このデータセットを使用して ML モデルを作成または評価することを計画しますか?)**] で [**Yes (はい)**] を選択します。[**Yes (はい)**] を選択した場合は、ターゲット行を選択します。ターゲットの詳細については、[targetAttributeName フィールドの使用](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field) を参照してください。

   予測を作成するために既に作成したモデルと共にこのデータソースを使用する場合は、[**No (いいえ)**] を選択します。

1. [**続行**] をクリックしてください。

1. [**Does your data contain an identifier? (データには識別子が含まれていますか。)**] で、データに行の識別子が含まれていなければ、[**No (いいえ)**] を選択します。

   行の識別子がデータに含まれている場合は、[**Yes (はい)**] を選択し、識別子として使用する行を選択します。行の識別子の詳細については、[rowID フィールドの使用](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field) を参照してください。

1. **[Review]** (レビュー) を選択します。

1. 設定を確認し、[**完了**] を選択します。

データソースを作成した後、[create an ML model](creating-ml-model-on-the-amazon-ml-console.md) に使用できます。すでにモデルを作成している場合は、データソースを [evaluate an ML model](evaluating_models.md) または [generate predictions](interpreting_predictions.md) に使用できます。

# Amazon Redshift の問題のトラブルシューティング


Amazon Redshift データソース、ML モデル、および評価を作成すると、Amazon Machine Learning (Amazon ML) は Amazon ML コンソールで Amazon ML オブジェクトのステータスをレポートします。Amazon ML がエラーメッセージを返す場合は、次の情報とリソースを使用して問題のトラブルシューティングを行います。

Amazon ML に関する一般的な質問への回答は、「[Amazon Machine Learning のよくある質問](https://aws.amazon.com/machine-learning/faqs/)」を参照してください。また、[Amazon Machine Learning フォーラム](https://forums.aws.amazon.com/forum.jspa?forumID=194)で回答を検索したり、質問を投稿したりすることもできます。



**Topics**
+ [

## エラーのトラブルシューティング
](#trouble-errors)
+ [

## AWS Support へのお問い合わせ
](#contacting-support)

## エラーのトラブルシューティング


### ロールの形式が無効です。有効な IAM ロールを指定します。たとえば、arn:aws:iam::YourAccountID:role/YourRedshiftRole とします。


**原因**

IAM ロールの Amazon リソースネーム (ARN) の形式が正しくありません。

**解決策**

データソース作成ウィザードで、ロールに合わせて ARN を修正します。ロール ARN のフォーマットの詳細については、「*IAM ユーザーガイド*」の「[IAM ARN](https://docs.aws.amazon.com/IAM/latest/UserGuide/reference_identifiers.html#identifiers-arns)」を参照してください。リージョンは、IAM ロール ARN の場合はオプションです。

### ロールが無効です。Amazon ML は <role ARN> IAM ロールを引き受けることはできません。有効な IAM ロールを提供し、Amazon ML からアクセスできるようにします。


**原因**

ロールは、Amazon ML がそれを引き受けることを許可するように設定されていません。

**解決策**

[IAM コンソール](https://console.aws.amazon.com/iam/)で、ロールを編集して、Amazon ML がアタッチされたロールを引き受けることを許可する信頼ポリシーを持つようにします。

### この <user ARN> ユーザーには <role ARN> IAM ロール渡す権限がありません。


**原因**

IAM ユーザーには、Amazon ML にロールを渡すことを許可するアクセス権限ポリシーはありません。

**解決策**

IAM ユーザーに許可ポリシーを添付して、Amazon ML にロールを渡すことができます。[IAM コンソール](https://console.aws.amazon.com/iam/)の IAM ユーザーにアクセス権限ポリシーをアタッチすることができます。

### アカウント間で IAM ロールを渡すことはできません。IAM ロールはこのアカウントに属している必要があります。


**原因**

別の IAM アカウントに属しているロールを渡すことはできません。

**解決策**

ロールの作成に使用した AWS アカウントにサインインします。[IAM コンソール](https://console.aws.amazon.com/iam/)で IAM の役割を確認できます。

### 定されたロールに操作を実行する権限がありません。Amazon ML に必要なアクセス権限を提供するポリシーを持つロールを提供します。


**原因**

IAM ロールには、要求された操作を実行する権限がありません。

**解決策**

[IAM コンソール](https://console.aws.amazon.com/iam/)でロールに添付されている権限ポリシーを編集して、必要な権限を与えます。

### Amazon ML は、指定された IAM ロールを持つ Amazon Redshift クラスター上のセキュリティグループを設定することはできません。


**原因**

IAM ロールには、Amazon Redshift セキュリティクラスターの設定に必要な権限がありません。

**解決策**

[IAM コンソール](https://console.aws.amazon.com/iam/)でロールに添付されている権限ポリシーを編集して、必要な権限を与えます。

### Amazon ML がクラスター上のセキュリティグループを設定しようとしたときにエラーが発生しました。後でもう一度お試しください。


**原因**

Amazon ML が Amazon Redshift クラスターに接続しようとしたときに問題が発生しました。

**解決策**

Create Datasource ウィザードで指定した IAM ロールに、必要な権限がすべて含まれていることを確認します。

### クラスター ID の形式が無効です。クラスター ID はアルファベット文字で始まり、アルファベット文字とハイフンのみでなければなりません。ハイフンを、2 つ続けて使用したり、文字列の最後に使用したりすることはできません。


**原因**

Amazon Redshift クラスター ID 形式が正しくありません。

**解決策**

データソース作成ウィザードでは、クラスター ID に英数字とハイフンのみが含まれ、2 つの連続するハイフンまたはハイフンで終わらないように修正します。

### <Amazon Redshift クラスター名> クラスターが存在しないか、クラスターが Amazon ML サービスと同じリージョンに存在しません。この Amazon ML と同じリージョンにクラスターを指定してください。


**原因**

Amazon ML データソースを作成しているリージョンに Amazon Redshift クラスターは存在しないため、Amazon ML はそれを見つけられません。

**解決策**

Amazon Redshift コンソールの[クラスター](https://console.aws.amazon.com/redshift/home)ページにクラスターが存在し、Amazon Redshift クラスターがあるリージョンと同じリージョンにデータソースを作成していることと、データソース作成ウィザードで指定したクラスター ID が正しいことを確認してください。

### Amazon ML は Amazon Redshift クラスター内のデータを読み取ることができません。正しい Amazon Redshift クラスター ID を指定します。


**原因**

Amazon ML は、ユーザーが指定した Amazon Redshift クラスター内のデータを読み取ることができません。

**解決策**

データソース作成ウィザードで、正しい Amazon Redshift クラスター ID を指定し、Amazon Redshift クラスターがあるのと同じリージョン内にデータソースを作成していることを確認し、Amazon Redshift の [[Clusters]](https://console.aws.amazon.com/redshift/home) (クラスター) ページにクラスターが一覧表示されていることを確認します。

### <Amazon Redshift クラスター名> クラスターはパブリックアクセス可能ではありません。


**原因**

クラスターはパブリックアクセス可能ではなく、パブリック IP アドレスがないため、Amazon ML はクラスターにアクセスできません。

**解決策**

クラスターに公開してアクセス可能にし、パブリック IP アドレスを与えます。クラスターをパブリックアクセス可能にする方法については、「Amazon Redshift 管理ガイド」**の「[クラスターの変更](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#modify-cluster)」を参照してください。

### <Redshift> クラスターステータスは、Amazon ML では利用できません。Amazon Redshift コンソールを使用して、このクラスターステータスの問題を表示および解決してください。クラスターステータスは「利用可能」でなければなりません。


**原因**

Amazon ML はクラスターステータスを見ることができません。

**解決策**

クラスターが利用可能であることを確認します。クラスターステータスの確認については、「Amazon Redshift 管理ガイド」**の「[クラスターステータスの概要の取得](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#status-cluster)」を参照してください。クラスターを再起動して使用できるようにする方法については、「Amazon Redshift 管理ガイド」**の「[クラスターの再起動](https://docs.aws.amazon.com/redshift/latest/mgmt/managing-clusters-console.html#reboot-cluster)」を参照してください。

### このクラスターには、<データベース名> データベースはありません。データベース名が正しいことを確認するか、別のクラスターおよびデータベースを指定してください。


**原因**

Amazon ML は、指定されたクラスター内の指定されたデータベースを見つけることができません。

**解決策**

データソース作成ウィザードで入力したデータベース名が正しいことを確認するか、正しいクラスターとデータベース名を指定してください。

### Amazon ML はデータベースにアクセスできませんでした。データベースユーザー <ユーザー名> に有効なパスワードを入力します。


**原因**

Amazon ML が Amazon Redshift データベースにアクセスできるようにデータソース作成ウィザードで指定したパスワードが正しくありません。

**解決策**

Amazon Redshift データベースユーザーに正しいパスワードを入力してください。

### Amazon ML がクエリの検証を試みたときにエラーが発生しました。


**原因**

SQL クエリに問題があります。

**解決策**

クエリが有効な SQL であることを確認します。

### SQL クエリの実行中にエラーが発生しました。データベース名と指定されたクエリを確認してください。根本原因: \$1serverMessage\$1。


**原因**

Amazon Redshift はクエリを実行できませんでした。

**解決策**

データソース作成ウィザードで正しいデータベース名を指定し、クエリが有効な SQL であることを確認します。

### SQL クエリの実行中にエラーが発生しました。根本原因: \$1serverMessage\$1。


**原因**

Amazon Redshift は指定されたテーブルを見つけることができませんでした。

**解決策**

データソース作成ウィザードで指定したテーブルが Amazon Redshift クラスターデータベースに存在し、正しいクラスター ID、データベース名、および SQL クエリを入力したことを確認します。

## AWS Support へのお問い合わせ


AWS Premium Support を契約している場合は、[AWS Support Center](https://console.aws.amazon.com/support/home#) で技術サポートケースを作成できます。