Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Memulai prasyarat
Langkah-langkah berikut adalah prasyarat untuk latihan memulai.
-
Siapkan izin agar Amazon Personalize dapat mengakses sumber daya Anda atas nama Anda. Ini melibatkan pembuatan peran layanan untuk Amazon Personalize dan memberinya akses ke Amazon Personalize resource dengan kebijakan. IAM Untuk informasi selengkapnya, lihat Memberikan izin Amazon Personalize untuk mengakses sumber daya Anda.
-
Siapkan data pelatihan Anda dan unggah data ke bucket Amazon S3 Anda:
-
Untuk tutorial grup kumpulan data Domain, lihatMembuat data pelatihan (Grup dataset domain).
-
Untuk tutorial grup kumpulan data kustom, lihatMembuat data pelatihan (grup dataset kustom).
-
-
Berikan izin peran layanan Amazon Personalize Anda untuk mengakses sumber daya Amazon S3 Anda, seperti yang ditentukan dalam. Memberikan Amazon Personalisasi akses ke sumber daya Amazon S3
Membuat data pelatihan (Grup dataset domain)
Untuk membuat data pelatihan, unduh, modifikasi, dan simpan data peringkat film ke bucket Amazon Simple Storage Service (Amazon S3). Kemudian berikan izin Amazon Personalize untuk membaca dari ember.
Untuk membuat data pelatihan
-
Unduh dan unzip file zip peringkat film, ml-latest-small.zip
dari MovieLens bawah yang direkomendasikan untuk pendidikan dan pengembangan (F. Maxwell Harper dan Joseph A. Konstan. 2015. MovieLens Kumpulan Data: Sejarah dan Konteks. ACMTransaksi pada Sistem Cerdas Interaktif (TII) 5, 4:19:1 - 19:19. https://doi.org/10.1145/2827872). -
Buka file
ratings.csv
. File ini berisi data interaksi untuk tutorial ini.-
Hapus kolom peringkat.
-
Ganti nama
userId
danmovieId
kolom menjadiUSER_ID
danITEM_ID
masing-masing. -
Tambahkan TYPE kolom EVENT _ atur nilai untuk setiap catatan
watch
. Jika Anda menggunakan Microsoft Excel, Anda dapat mengatur EVENT _ TYPE untuk setiap catatan dengan memasukkanwatch
sel pertama di kolom dan kemudian mengklik dua kali sudut kanan bawah sel. Header Anda harus sebagai berikut:USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE
Kolom ini harus persis seperti yang ditunjukkan untuk Amazon Personalize untuk mengenali data. Beberapa baris pertama data Anda akan terlihat sebagai berikut:
USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE 1,1,964982703,watch 1,3,964981247,watch 1,6,964982224,watch 1,47,964983815,watch 1,50,964982931,watch .... ....
Simpan file
ratings.csv
. -
-
Unggah
ratings.csv
ke bucket Amazon S3 Anda. Untuk informasi selengkapnya, lihat Mengunggah file dan folder menggunakan seret dan lepas di Panduan Pengguna Layanan Penyimpanan Sederhana Amazon. -
Berikan izin Amazon Personalize untuk membaca data di bucket. Untuk informasi selengkapnya, lihat Memberikan Amazon Personalisasi akses ke sumber daya Amazon S3.
Membuat data pelatihan (grup dataset kustom)
Untuk membuat data pelatihan, unduh, modifikasi, dan simpan data peringkat film ke bucket Amazon Simple Storage Service (Amazon S3). Kemudian berikan izin Amazon Personalize untuk membaca dari ember.
-
Unduh dan unzip file zip peringkat film, ml-latest-small.zip
dari MovieLens bawah yang direkomendasikan untuk pendidikan dan pengembangan (F. Maxwell Harper dan Joseph A. Konstan. 2015. MovieLens Kumpulan Data: Sejarah dan Konteks. ACMTransaksi pada Sistem Cerdas Interaktif (TII) 5, 4:19:1 - 19:19. https://doi.org/10.1145/2827872). -
Buka file
ratings.csv
. File ini berisi data interaksi untuk tutorial ini.-
Hapus kolom peringkat.
-
Ganti baris header dengan yang berikut:
USER_ID,ITEM_ID,TIMESTAMP
Header ini harus persis seperti yang ditunjukkan untuk Amazon Personalize untuk mengenali data.
Simpan file
ratings.csv
. -
-
Unggah
ratings.csv
ke bucket Amazon S3 Anda. Untuk informasi selengkapnya, lihat Mengunggah file dan folder menggunakan seret dan lepas di Panduan Pengguna Layanan Penyimpanan Sederhana Amazon. -
Berikan izin Amazon Personalize untuk membaca data di bucket. Untuk informasi selengkapnya, lihat Memberikan Amazon Personalisasi akses ke sumber daya Amazon S3.