Mengonfigurasi kolom yang digunakan saat membuat rekomendasi domain Amazon Personalize - Amazon Personalize

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengonfigurasi kolom yang digunakan saat membuat rekomendasi domain Amazon Personalize

Saat membuat pemberi rekomendasi, Anda dapat memodifikasi kolom yang dipertimbangkan Amazon Personalize saat melatih model yang mendukung pemberi rekomendasi Anda.

Anda dapat melakukan ini untuk bereksperimen dengan kombinasi data pelatihan yang berbeda. Atau Anda mungkin mengecualikan kolom tanpa data yang berarti. Misalnya, Anda mungkin memiliki kolom yang ingin Anda gunakan hanya untuk memfilter rekomendasi. Anda dapat mengecualikan kolom ini dari pelatihan dan Amazon Personalize mempertimbangkannya hanya saat memfilter.

Anda tidak dapat mengecualikan EVENT _ TYPE kolom. Secara default, Amazon Personalize menggunakan semua kolom yang dapat digunakan saat pelatihan. Data berikut selalu dikecualikan dari pelatihan:

  • Kolom dengan tipe data boolean

  • Data tayangan

  • Bidang string kustom yang tidak kategoris atau tekstual

Anda tidak dapat menyertakan data tayangan dalam pelatihan, tetapi jika kasus penggunaan atau resep Anda menggunakannya, Amazon Personalize menggunakan data tayangan untuk memandu eksplorasi saat Anda mendapatkan rekomendasi.

Contoh kode berikut menunjukkan bagaimana mengkonfigurasi kolom yang digunakan saat pelatihan dengan AWS CLI atau AWS SDKs. Untuk melakukannya dengan konsol Amazon Personalize, Anda menentukan kolom yang akan digunakan pada halaman Konfigurasi lanjutan saat Anda membuat pemberi rekomendasi. Untuk informasi selengkapnya, lihat Membuat rekomendasi (konsol).

Untuk mengecualikan kolom dari pelatihan, berikan excludedDatasetColumns objek di trainingDataConfig sebagai bagian dari konfigurasi pemberi rekomendasi. Untuk setiap kunci dalam objek, berikan tipe dataset. Untuk setiap nilai, berikan daftar kolom untuk dikecualikan. Untuk informasi selengkapnya, lihat Mengonfigurasi kolom yang digunakan saat membuat rekomendasi domain Amazon Personalize. 

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

Untuk mengecualikan kolom dari pelatihan, berikan excludedDatasetColumns objek di trainingDataConfig sebagai bagian dari konfigurasi pemberi rekomendasi. Untuk setiap kunci, berikan jenis dataset. Untuk setiap nilai, berikan daftar kolom untuk dikecualikan. Kode berikut menunjukkan cara mengecualikan kolom dari pelatihan saat Anda membuat pemberi rekomendasi. Untuk informasi selengkapnya, lihat Mengonfigurasi kolom yang digunakan saat membuat rekomendasi domain Amazon Personalize.

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();