Konfiguration der Spalten, die bei der Erstellung einer Amazon Personalize Personalize-Domain-Empfehlung verwendet werden - Amazon Personalize

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Konfiguration der Spalten, die bei der Erstellung einer Amazon Personalize Personalize-Domain-Empfehlung verwendet werden

Wenn Sie einen Empfehlungsgeber erstellen, können Sie die Spalten ändern, die Amazon Personalize beim Training der Modelle berücksichtigt, die Ihren Empfehlungsgeber unterstützen.

Sie können dies tun, um mit verschiedenen Kombinationen von Trainingsdaten zu experimentieren. Oder Sie könnten Spalten ohne aussagekräftige Daten ausschließen. Möglicherweise haben Sie eine Spalte, die Sie nur zum Filtern von Empfehlungen verwenden möchten. Sie können diese Spalte von der Schulung ausschließen und Amazon Personalize berücksichtigt sie nur beim Filtern.

Sie können EVENT TYPE _-Spalten nicht ausschließen. Standardmäßig verwendet Amazon Personalize alle Spalten, die beim Training verwendet werden können. Die folgenden Daten sind immer vom Training ausgeschlossen:

  • Spalten mit dem booleschen Datentyp

  • Daten zu Eindrücken

  • Benutzerdefinierte Zeichenfolgenfelder, die nicht kategorisch oder textuell sind

Sie können keine Impressionsdaten in das Training einbeziehen, aber wenn Ihr Anwendungsfall oder Ihr Rezept sie verwendet, verwendet Amazon Personalize Impressionsdaten, um die Erkundung zu steuern, wenn Sie Empfehlungen erhalten.

Die folgenden Codebeispiele zeigen, wie Sie Spalten konfigurieren, die beim Training mit AWS CLI oder das AWS SDKs. Um dies mit der Amazon Personalize-Konsole zu tun, geben Sie die zu verwendenden Spalten auf der Seite „Erweiterte Konfiguration“ an, wenn Sie den Empfehlungsgeber erstellen. Weitere Informationen finden Sie unter Empfehlungen erstellen (Konsole).

Um Spalten vom Training auszuschließen, geben Sie das excludedDatasetColumns Objekt in der trainingDataConfig als Teil der Empfehlungskonfiguration an. Geben Sie für jeden Schlüssel im Objekt den Datensatztyp an. Geben Sie für jeden Wert die Liste der auszuschließenden Spalten an. Weitere Informationen finden Sie unter Konfiguration der Spalten, die bei der Erstellung einer Amazon Personalize Personalize-Domain-Empfehlung verwendet werden. 

aws personalize create-recommender \
--name recommender name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--recommender-config "{\"trainingDataConfig\": {\"excludedDatasetColumns\": { \"datasetType\" : [ \"column1Name\", \"column2Name\"]}}}"

Um Spalten vom Training auszuschließen, geben Sie das excludedDatasetColumns Objekt in der trainingDataConfig als Teil der Empfehlungskonfiguration an. Geben Sie für jeden Schlüssel den Datensatztyp an. Geben Sie für jeden Wert die Liste der auszuschließenden Spalten an. Der folgende Code zeigt, wie Sie Spalten vom Training ausschließen können, wenn Sie eine Empfehlung erstellen. Weitere Informationen finden Sie unter Konfiguration der Spalten, die bei der Erstellung einer Amazon Personalize Personalize-Domain-Empfehlung verwendet werden.

SDK for Python (Boto3)
import boto3

personalize = boto3.client('personalize')

create_recommender_response = personalize.create_recommender(
  name = 'recommender name',
  recipeArn = 'recipe name',
  datasetGroupArn = 'dataset group ARN',
  recommenderConfig = {
    "trainingDataConfig": {
      "excludedDatasetColumns": { 
        "datasetType": ["COLUMN_A", "COLUMN_B"]
      }
    }
  }
)

recommender_arn = create_recommender_response['recommenderArn']

print('Recommender ARN:' + recommender_arn)
SDK for JavaScript v3
// Get service clients and commands using ES6 syntax.
import { CreateRecommenderCommand, PersonalizeClient } from
  "@aws-sdk/client-personalize";

// create personalizeClient
const personalizeClient = new PersonalizeClient({
  region: "REGION"
});

// set the recommender's parameters
export const createRecommenderParam = {
  name: "RECOMMENDER_NAME",             /* required */
  recipeArn: "RECIPE_ARN",              /* required */
  datasetGroupArn: "DATASET_GROUP_ARN", /* required */
  recommenderConfig: {
    trainingDataConfig: {
      excludedDatasetColumns: {
        "DATASET_TYPE": ["COLUMN_A", "COLUMN_B"]   
      }
    }
  }
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(new CreateRecommenderCommand(createRecommenderParam));
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();