Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Création d'un segment similaire

Mode de mise au point
Création d'un segment similaire - AWS Clean Rooms

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Note

Vous pouvez uniquement fournir un ensemble de données d'entraînement à utiliser dans un modèle similaire à Clean Rooms ML dont les données sont stockées dans Amazon S3. Cependant, vous pouvez fournir les données de départ d'un modèle similaire à l'aide de SQL qui analyse les données stockées dans n'importe quelle source de données prise en charge.

Un segment similaire est un sous-ensemble des données d'apprentissage qui ressemble le plus aux données de départ.

Pour créer un segment similaire dans AWS Clean Rooms
  1. Connectez-vous à la AWS Clean Rooms console AWS Management Console et ouvrez-la avec votre Compte AWS (si vous ne l'avez pas encore fait).

  2. Dans le volet de navigation de gauche, sélectionnez Collaborations.

  3. Dans l'onglet Avec adhésion active, choisissez une collaboration.

  4. Dans l'onglet ML Models, choisissez Create lookalike segment.

  5. Sur la page Créer un segment de similitude, pour Modèle de similitude configuré associé, choisissez le modèle de similitude configuré associé à utiliser pour ce segment de similitude.

  6. Pour les détails du segment Lookalike, entrez un nom et une description facultative.

  7. Pour les profils Seed, choisissez votre méthode Seed en sélectionnant une option, puis en prenant l'action recommandée.

    Option Action recommandée
    Chemin Amazon S3
    1. Sélectionnez un emplacement Amazon S3.

    2. (Facultatif) Choisissez Inclure les profils de départ dans la sortie.

    Requête SQL Rédigez une requête SQL et utilisez ses résultats comme données de départ.
    Modèle d'analyse Choisissez un modèle d'analyse dans la liste déroulante et utilisez les résultats créés par un modèle d'analyse.
  8. Choisissez le type de travailleur et le nombre de travailleurs à utiliser lors de la création de ce canal de données.

  9. Pour l'accès au service, choisissez le nom du rôle de service existant qui sera utilisé pour accéder à cette table.

  10. Si vous souhaitez activer les balises pour le jeu de données d'entraînement, choisissez Ajouter une nouvelle balise, puis entrez la paire clé/valeur.

  11. Choisissez Créer un segment similaire.

Pour l'action d'API correspondante, consultez StartAudienceGenerationJob.

ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.