기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

교육 시 사용되는 열 구성

레시피가 항목 추천이나 사용자 세그먼트를 생성하는 경우 Amazon Personalize가 솔루션 버전을 생성(모델 교육)할 때 고려하는 열을 수정할 수 있습니다.

교육 시 사용되는 열을 변경하여 Personalize가 모델 교육(솔루션 버전 생성) 시 어떤 데이터를 사용할 것인지를 제어할 수 있습니다. 이를 통해 다양한 교육 데이터 조합을 실험해 볼 수 있습니다. 또는 중요한 데이터가 없는 열을 제외할 수도 있습니다. 예를 들어, 추천을 필터링하는 데만 사용하려는 열이 있을 수 있습니다. 이 열을 교육에서 제외할 수 있으며, Personalize는 필터링할 때만 이 열을 고려합니다.

EVENT_ TYPE 열은 제외할 수 없습니다. 기본 설정으로 Personalize는 교육 시 사용할 수 있는 모든 열을 사용합니다. 다음 데이터는 항상 학습에서 제외됩니다.

교육에 노출 데이터를 포함할 수는 없지만 사용 사례 또는 레시피에서 사용하는 경우 Amazon Personalize는 권장 사항을 받을 때 노출 데이터를 사용하여 탐색을 안내합니다.

솔루션을 이미 생성했고 교육 시 사용하는 열을 수정하려는 경우, 솔루션을 복제할 수 있습니다. 솔루션을 복제할 때 기존 솔루션의 구성(예: 레시피 및 하이퍼파라미터)을 시작점으로 사용하고 필요에 따라 변경할 수 있습니다. 자세한 내용은 솔루션 복제(콘솔) 단원을 참조하십시오.

Amazon Personalize 콘솔을 사용하여 학습할 때 Amazon Personalize가 사용하는 열을 구성할 수 있습니다. AWS Command Line Interface (AWS CLI), 또는 AWS SDK. Personalize 콘솔을 사용하여 열을 선택하는 방법에 대한 자세한 내용은 솔루션 생성(콘솔)의 고급 구성 단계를 참조하세요. 솔루션을 생성한 후에는 Personalize 콘솔의 솔루션 세부 정보 페이지에서 또는 DescribeSolution작업으로 솔루션에서 사용하는 열을 볼 수 있습니다.

학습 시 사용되는 컬럼 구성 (AWS CLI)

학습에서 열을 제외하려면 솔루션 구성의 일부로 trainingDataConfig의 excludedDatasetColumns객체를 제공하세요. 각 키에 대해 데이터세트 유형을 제공하세요. 각 값에 대해 제외할 열 목록을 제공하세요. 다음 코드는 를 사용하여 솔루션을 만들 때 학습에서 열을 제외하는 방법을 보여줍니다. AWS CLI.

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

학습 시 사용되는 열 구성 (AWS SDKs)

학습에서 열을 제외하려면 솔루션 구성의 일부로 trainingDataConfig의 excludedDatasetColumns객체를 제공하세요. 각 키에 대해 데이터세트 유형을 제공하세요. 각 값에 대해 제외할 열 목록을 제공하세요. 다음 코드는 SDK for Python (Boto3) 을 사용하여 솔루션을 만들 때 학습에서 열을 제외하는 방법을 보여줍니다.

import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
  name = 'solution name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN',
  solutionConfig = {
    "trainingDataConfig": {
      "excludedDatasetColumns": { 
          "datasetType": ["COLUMN_A", "COLUMN_B"]
      }
    }
  }
)
solution_arn = create_solution_response['solutionArn']
print('solution_arn: ', solution_arn)