SageMaker Canvas
SageMaker Canvas让机器学习的门槛降低，不需要写代码就可以完成整个流程。
本节我们使用SageMaker Canvas完成这样一个项目——基于观察到的摄氏和华氏对应数据，使用SageMaker Canvas来训练出两者的转换工式。
这是一个回归(Regression)问题, 如果训练正确将得到以下公式：
华氏度(℉) = 32 + 摄氏度(℃) × 1.8
上传数据到S3
先创建一个S3桶：
aws s3 mb s3://my-first-model-xxx
下载csv文件：
wget https://pingfan.s3.amazonaws.com/files/Celsius.csv
csv文件中是摄氏与华氏度的对应数据：
将csv文件上传到S3:
aws s3 cp Celsius.csv s3://my-first-model-xxx/
上面的操作也可以通过在AWS控制台上完成
数据上传到Canvas
Canvas目前和Studio是一个入口。点击Launch SageMaker Studio：
点击Launch app，然后选择Canvas：
会跳转到Canvas的页面，第一次加载可能要4-5分钟。
加载完成后会进入到Canvas的UI，第一步先上传Datasets：
选择S3, 然后选择我们上一步创建的S3桶和文件，点击Import：
使用Canvas训练模型
进入Canvas的Models页面，点击New Model：
为Model命名Temperature-converter：
第一步是选择数据集，这里我们选择上面导入的Celsius.csv数据集：
选择要预测的列，我们是基于摄氏度来预测华氏度，所以选择Fahrenheit：
此时可以看到Canvas自动将数据集的分布用图表展示出来。在进行训练时，有两种方式，一种是Quick build ，用于快速验证，所需要时间短，但精度差；另一种是Standard build，所需时间要2-4h，精度高。这里选择Quick Build：
训练完成后，我们得到了模型，可以看到它的偏差为0，这是因为数据集中的数据本身是准确的。
点击Predict进行预测。输入摄氏度的值，可以预测出对应华氏度的值：
本节是最简单的SageMaker Canvas示例，关于更多的实验，参考SageMaker Canvas Immersion Day
关闭SageMaker Canvas
SageMaker Canvas在打开会话时就会收费，所以在测试结束后要把它关闭掉：
点击左下角的Log out图标：
点击log out：
登出后会回SageMaker的主页。