Amazon SageMaker analytics source
Amazon SageMaker 是一个机器学习平台，用于自动化、保障和加速预测分析，帮助数据科学家和分析师建立和部署准确的预测模型。
要连接到 Amazon SageMaker，您必须创建或访问模型并将其部署到 AWS 平台上的端点。此端点必须是 Qlik Cloud 可公开访问的。
限制
-
Amazon Comprehend 有端点配额：
-
AWS 可以在实例类型（如中型和大型实例类型）上部署模型。Amazon 服务上的可用资源将影响并限制 Qlik Sense 中重新加载和图表响应的性能。
-
当 Qlik Sense 发送数据给 Amazon SageMaker 时，是以 CSV格式发送，没有标题行。这意味着字段需要按照 Amazon SageMaker 端点期望的顺序发送。您必须按照生成模型时的顺序指定字段。
-
Amazon SageMaker 连接器被限制为每个请求 200,000 行。这些将以 2000 行为单位分批发送到端点服务。在需要处理更多行的场景中，在数据加载脚本中使用 Loop 批量处理更多行。
-
在定期重新加载应用程序的场景中，最佳实践是使用 QVD 文件缓存预测，而且只将新行发送到预测端点。这将提高 Qlik Sense 应用程序重新加载的性能，并减少 Amazon SageMaker 端点上的负载。
-
在图表表达式中使用 Amazon SageMaker 时，提供字段的数据类型非常重要，因为模型需要以正确的字符串/数字格式处理这些字段。在图表表达式中服务器端扩展的一个限制是数据类型不会像在加载脚本中那样被自动检测。
-
如果您正在使用相关连接名称，如果您决定将应用程序从一个共享空间移动到另一个共享空间，或者如果您将应用程序从共享空间移动到您的私人空间，那么会需要一些时间更新分析连接以反映新的空间位置。