Zespół chce zbudować model przewidywania rezygnacji klientów i uruchomić przewidywania bezpośrednio w klastrze Amazon Redshift za pomocą Redshift ML. Jakie kroki powinien podjąć? (Wybierz trzy.)

Aby zbudować i wdrożyć model przewidywania rezygnacji klientów za pomocą Redshift ML, należy najpierw zidentyfikować i zdefiniować kolumny cech (wejściowe dane do modelu) oraz zmienną docelową (co model ma przewidywać, w tym przypadku rezygnację). Następnie, aby utworzyć i wytrenować model, używa się instrukcji SQL CREATE MODEL bezpośrednio w Redshift, która automatycznie zarządza eksportem danych do S3, treningiem w SageMaker i importem modelu z powrotem do Redshift. Po wytrenowaniu modelu, do wykonywania przewidywań na nowych danych służy funkcja przewidywania SQL, np. PREDICT, dostarczona przez Redshift ML. Opcja użycia EXPLAINMODEL jest błędna, ponieważ ta funkcja służy do interpretacji modelu, a nie do przewidywań. Trening modelu za pomocą Redshift Spectrum jest nieprawidłowy; Redshift ML integruje się z Amazon SageMaker do treningu. Ręczny eksport danych do S3 jest niepotrzebny, ponieważ CREATE MODEL automatyzuje ten proces.