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。

# 自訂模型
<a name="canvas-custom-models"></a>

在 Amazon SageMaker Canvas 中，您可以訓練根據您特定資料和使用案例量身打造的自訂機器學習模型。透過使用您的資料訓練的自訂模型，您可以擷取特定且最具代表性的資料特性和趨勢。例如，您可能想要建立自訂時間序列預測模型，此模型會使用倉儲中的庫存資料進行訓練，以管理您的物流作業。

Canvas 支援訓練各種模型類型。訓練自訂模型後，您可以評估模型的效能和準確性。一旦對模型感到滿意，您就可以對新資料進行預測，也可以選擇與資料科學家共用自訂模型，以進行進一步分析，或將其部署到 SageMaker AI 託管端點以進行即時推論，所有這些都可以在 Canvas 應用程式內完成。

您可以在下列類型的資料集上訓練 Canvas 自訂模型：
+ 表格式 (包括數值、分類、時間序列和文字資料)
+ 影像

下表顯示您可以在 Canvas 中建置的自訂模型類型，以及其支援的資料類型和資料來源


| 模型類型 | 範例使用案例 | 支援的資料類型 | 支援的資料來源 | 
| --- | --- | --- | --- | 
| 數值預測 | 根據平方英尺等功能預測房價 | 數值 | 本機上傳、Amazon S3、SaaS 連接器 | 
| 2 類別預測 | 預測客戶是否可能流失 | 二進位或分類 | 本機上傳、Amazon S3、SaaS 連接器 | 
| 3\+ 類別預測 | 預測出院後的患者結果 | 分類 | 本機上傳、Amazon S3、SaaS 連接器 | 
| 時間序列預測 | 預測下一季的庫存 | 時間序列 | 本機上傳、Amazon S3、SaaS 連接器 | 
| 單一標籤影像預測 | 預測影像中製造瑕疵的類型 | 映像 (JPG、PNG) | 本機上傳、Amazon S3 | 
| 多類別文字預測 | 根據產品描述預測產品類別，例如服裝、電子產品或家居用品 | 來源欄：文字<br />目標欄：二進位或分類 | 本機上傳、Amazon S3 | 

**開始使用**

若要開始從自訂模型建置和產生預測，請執行下列動作：
+ 決定您要建置的使用案例和模型類型。如需關於自訂模型的更多相關資訊，請參閱[自訂模型的運作方式](canvas-build-model.md)。如需關於有關自訂模型支援的資料類型和來源更多相關資訊，請參閱[資料匯入](canvas-importing-data.md)。
+ 將您的[資料匯入](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-importing-data.html) Canvas。您可以使用符合輸入要求的任何表格式或影像資料集來建立自訂模型。有關輸入要求的更多相關資訊，請參閱[建立資料集](canvas-import-dataset.md)。

  若要進一步了解您可以試驗的 SageMaker AI 提供的範例資料集，請參閱 [Canvas 中的範例資料集](canvas-sample-datasets.md)。
+ [建置](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model.html)您的自訂模型。您可以執行**快速建置**以獲得模型並更快地開始進行預測，或者您可以執行**標準建置**以獲得更高的準確性。

  針對數值、分類和時間序列預測模型類型，您可以使用 [Data Wrangler 功能](canvas-data-prep.md)來清理和準備資料。在 Data Wrangler 中，您可以建立資料流程並使用各種資料準備技術，例如套用進階轉換或聯結資料集。針對影像預測模型，您可以[編輯影像資料集](canvas-edit-image.md)以更新標籤或新增和刪除映像。請注意，您無法將這些功能用於多類別文字預測模型。
+ [評估模型的效能](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-evaluate-model.html)，並決定模型在真實世界資料上的效能。
+ 使用您的模型[進行單一或批次預測](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-make-predictions.html)。