ML 函数

这些强大的分析函数使用机器学习为您提供对数据的自动预测和洞察。Snowflake 为每个功能提供了适当类型的模型，即使您不是机器学习专家，也可充分利用它们。您所需要的只是数据。

本主题内容：

时间序列功能

这些功能根据时间序列数据训练机器学习模型，以确定指定指标（例如销售额）如何随时间变化，以及相对于数据的其他功能如何变化。然后，该模型根据数据中检测到的趋势提供见解或预测。

  • 预测 根据时间序列数据的过去趋势预测未来的指标值。

  • 异常检测 标记与典型预期不同的指标值。

其他分析函数

这些功能不需要时间序列数据。

  • 分类 根据行最具预测性的特征将行分为两个或多个类。

  • 精辟见解 帮助您找到以令人惊讶的方式影响指标的维度和值。

成本注意事项

您在使用 ML 函数时，会产生存储和计算成本。这些成本根据所使用的功能以及训练和预测中使用的数据量而有所不同。

您产生的存储成本反映了在训练步骤中创建的 ML 模型实例占用的存储空间。要查看与模型实例关联的对象，请导航到 Account Usage 视图 <label-account_usage_views>`（ACCOUNT_USAGE.TABLES 和 ACCOUNT_USAGE.STAGES）。这些对象显示为空数据库和架构列。但 ``instance_id` 列将会填充，并指示这些对象包含在模型实例内。这些对象完全由模型实例管理，您无法单独访问或删除。要降低与模型相关的存储成本，请删除未使用或过时的模型。

请参阅 了解计算成本 了解有关 Snowflake 计算成本的一般信息。

在 Snowpark 中使用 ML 函数

session.call 尚不兼容由 ML 函数创建的模型。要在 Snowpark 中调用此类模型，请改用 session.sql，如下所示。

session.sql('call my_model!FORECAST(...)').collect()
Copy
语言: 中文