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.

# Auswahl der für das Training verwendeten Artikelinteraktionsdaten
<a name="event-values-types"></a>

**Wichtig**  
Standardmäßig verwenden alle neuen Lösungen automatisches Training. Bei der automatischen Schulung fallen für Sie Schulungskosten an, solange Ihre Lösung aktiv ist. Um unnötige Kosten zu vermeiden, können Sie die [Lösung aktualisieren, wenn Sie fertig sind, sodass das](updating-solution.md) automatische Training deaktiviert wird. Informationen zu den Schulungskosten finden Sie unter [Amazon Personalize Personalize-Preise](https://aws.amazon.com/personalize/pricing/).

Sie können die Ereignisse in einem Datensatz mit Artikelinteraktionen auswählen, den Amazon Personalize beim Erstellen einer Lösungsversion (Training eines Modells) verwendet. Wenn Sie vor dem Training Artikelinteraktionsdaten auswählen, können Sie nur eine relevante Teilmenge Ihrer Daten für das Training verwenden oder Rauschen entfernen, um ein optimierteres Modell zu trainieren. Weitere Informationen zu Datensätzen zur Interaktion mit Gegenständen finden Sie unter. [Daten zur Interaktion mit Artikeln](interactions-datasets.md)

**Anmerkung**  
Wenn Sie User-Personalization-v 2 oder Personalized-Ranking-v 2 verwenden, basieren Ihre Schulungskosten auf Ihren Daten zu Artikelinteraktionen, bevor Sie nach Ereignistyp oder Wert filtern. Weitere Informationen zur Preisgestaltung finden Sie unter [Amazon Personalize Personalize-Preise](https://aws.amazon.com/personalize/pricing/). 

Sie können Artikelinteraktionsdaten wie folgt auswählen:
+ **Datensätze nach Typ auswählen** — Wenn Sie eine Lösung konfigurieren und Ihr Datensatz mit Artikelinteraktionen Ereignistypen in einer EVENT\$1TYPE-Spalte enthält, können Sie optional einen Ereignistyp angeben, der im Training verwendet werden soll. Wenn Ihr Datensatz mit Artikelinteraktionen beispielsweise die Ereignistypen *Kauf*, *Klick* und *Ansehen* umfasst und Sie möchten, dass Amazon Personalize das Modell nur mit *Watch-Ereignissen* trainiert, würden Sie bei der Konfiguration Ihrer Lösung *watch* as the bereitstellen, `event type` das Amazon Personalize in Schulungen verwendet. 

  Wenn Sie mehrere Ereignistypen haben und das Rezept User-Personalization-v 2 oder Personalized-Ranking-v 2 verwenden, können Sie bei der Konfiguration einer benutzerdefinierten Lösung unterschiedliche Gewichtungen für verschiedene Typen angeben. Sie können beispielsweise eine Lösung so konfigurieren, dass Kaufereignissen mehr Gewicht beigemessen wird als Klickereignissen. Weitere Informationen finden Sie unter [Optimierung einer Lösung mit Event-Konfiguration](optimizing-solution-events-config.md).

   Wenn Ihr Datensatz mit Artikelinteraktionen mehrere Ereignistypen in einer EVENT\$1TYPE-Spalte enthält und Sie bei der Konfiguration Ihrer Lösung keinen Ereignistyp angeben, verwendet Amazon Personalize alle Artikelinteraktionsdaten für ein Training mit gleichem Gewicht, unabhängig vom Typ. 
+ **Wählen Sie Datensätze nach Typ und Wert** aus — Wenn Sie eine Lösung konfigurieren und Ihr Datensatz mit Artikelinteraktionen die Felder EVENT\$1TYPE und EVENT\$1VALUE enthält, können Sie einen bestimmten Wert als Schwellenwert festlegen, um Datensätze vom Training auszuschließen. **Wenn Ihre EVENT\$1VALUE-Daten für Ereignisse mit dem Wert EVENT\$1TYPE „*Ansehen*“ den Prozentsatz eines Videos darstellen, das ein Benutzer angesehen hat, und Sie den Schwellenwert für den Ereigniswert auf 0,5 und den anzuzeigenden Ereignistyp festlegen, trainiert Amazon Personalize das Modell, indem es nur Interaktionsereignisse verwendet, deren EVENT\$1VALUE größer oder gleich 0,5 ist.** 

Der folgende Code zeigt, wie Sie das SDK for Python (Boto3) verwenden, um eine Lösung zu erstellen, die nur `watch` Ereignisse verwendet, bei denen der Benutzer mehr als die Hälfte des Videos angesehen hat.

```
import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
    name = 'solution name',
    datasetGroupArn = 'arn:aws:personalize:region:accountId:dataset-group/datasetGroupName',
    recipeArn = 'arn:aws:personalize:::recipe/aws-user-personalization-v2',
    eventType = 'watch',
    solutionConfig = {
        "eventValueThreshold": "0.5"
    }
)

# Store the solution ARN
solution_arn = create_solution_response['solutionArn']

# Use the solution ARN to get the solution status
solution_description = personalize.describe_solution(solutionArn = solution_arn)['solution']
print('Solution status: ' + solution_description['status'])
```