Memulai prasyarat - Amazon Personalize

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.

  1. 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.

  2. Siapkan data pelatihan Anda dan unggah data ke bucket Amazon S3 Anda:

  3. 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
  1. Unduh dan unzip file zip peringkat film, ml-latest-small.zip dari MovieLensbawah 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).

  2. Buka file ratings.csv. File ini berisi data interaksi untuk tutorial ini.

    1. Hapus kolom peringkat.

    2. Ganti nama userId dan movieId kolom menjadi USER_ID dan ITEM_ID masing-masing.

    3. Tambahkan TYPE kolom EVENT _ atur nilai untuk setiap catatanwatch. Jika Anda menggunakan Microsoft Excel, Anda dapat mengatur EVENT _ TYPE untuk setiap catatan dengan memasukkan watch 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.

  3. 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.

  4. 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.

  1. Unduh dan unzip file zip peringkat film, ml-latest-small.zip dari MovieLensbawah 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).

  2. Buka file ratings.csv. File ini berisi data interaksi untuk tutorial ini.

    1. Hapus kolom peringkat.

    2. 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.

  3. 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.

  4. Berikan izin Amazon Personalize untuk membaca data di bucket. Untuk informasi selengkapnya, lihat Memberikan Amazon Personalisasi akses ke sumber daya Amazon S3.