Amazon SageMaker analytics source
Amazon SageMaker 是一個機器學習平台，用於自動化、確保和加速預測分析，幫助資料科學家和分析師建置和部署準確的預測模型。
要連線到 Amazon SageMaker，您必須已建立模型或有權存取模型，並將其部署到 AWS 平台上的端點。此端點必須可由 Qlik Cloud 公開存取。
啟用 ML 端點於 Qlik Cloud
若要使用此連接器，必須在 管理 活動中心內啟用機器學習端點。切換開關位於設定區段中的功能控制之下。
如需詳細資訊，請參閱啟用機器學習端點的分析連線。
限制
-
Amazon Comprehend 具有端點配額：
-
AWS 提供在執行個體類型上部署模型，例如中型和大型執行個體類型。Amazon 服務上的可用資源會影響和限制 Qlik Sense 重新載入和圖表回應的效能。
-
當 Qlik Sense 向 Amazon SageMaker 傳送資料時，它是以沒有標題列的 CSV 格式除送。這表示欄位必須完全依照 Amazon SageMaker 端點所需的順序傳送。您必須依照產生模型時的順序指定欄位。
-
Amazon SageMaker 連接器限制為每個請求 200,000 列。這些請求以 2000 列為一組傳送到端點服務。在需要處理更多列的狀況下，使用資料載入指令碼中的 Loop 來批次處理更多列。
-
在定期重新載入應用程式的情況下，最佳做法是使用 QVD 檔案快取預測，並且只將新列傳送到預測端點。這將提升 Qlik Sense 應用程式重新載入的效能，並減少 Amazon SageMaker 端點上的負載。
-
在圖表運算式中使用 Amazon SageMaker 時，提供欄位的資料類型相當重要，因為模型需要以正確的字串/數字格式處理這些資料類型。圖表運算式中伺服器端擴充有一個限制，也就是資料類型不會像在載入指令碼中那樣自動偵測。
-
如果您使用的是相對連線名稱，並且您決定將您的應用程式從一個共用空間移動到另一個共用空間，或者您將您的應用程式從一個共用空間移動到您的私人空間，則更新分析連線以反映新的空間位置需要一些時間。
-
您無法在分析應用程式中，於 資料管理員 內建立及管理此連接器的連線。