ステップ 2: ソリューションの構成 - Amazon Personalize

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

ステップ 2: ソリューションの構成

完了したらステップ 1: レシピの選択で、モデルをトレーニングするためのソリューションを設定する準備が整いました。

ソリューションを構成すると、モデルが特定のビジネスニーズを満たすようにトレーニングをカスタマイズできます。ソリューションを構成するには、トレーニングに使用するデータ、トレーニングに使用するレシピ、および追加のソリューションパラメータとレシピ固有のハイパーパラメータを含むデータセットグループを指定します。インタラクショントレーニングデータにEVENT_TYPEおよびEVENT_VALUEデータでは、ソリューションを構成するときに、トレーニングの前にインタラクションデータを除外できます。

ソリューションを作成および構成するには、コンソールのAWS Command Line Interface(AWS CLI)、またはAWSSDK

ソリューションの構成 (コンソール)

コンソールでソリューションを構成するには、使用するデータセットを含むデータセットグループを選択し、ソリューション名、レシピ、オプションのレシピ固有のハイパーパラメータを指定します。

ソリューションの構成 (コンソール)

  1. で Amazon Personalize コンソールを開きます。https://console.aws.amazon.com/personalize/homeにアクセスし、アカウントにサインインします。

  2. トレーニングに使用するデータセットグループを選択します。

  3. ダッシュボードの [ソリューションの作成] セクションで、を起動ボタンを使用します。

    ソリューションをすでに作成している場合は、[OK] を選択します。ソリューションを作成します。ボタンを使用します。

  4. [Solution name (ソリューション名)] で、ソリューションの名前を指定します。

  5. を使用する場合レシピで、レシピを選択します(ステップ 1: レシピの選択).

  6. Eclipseソリューション構成を使用する場合、インタラクションデータセットに EVENT_TYPE 列または両方の EVENT_TYPE 列と EVENT_VALUE 列がある場合は、オプションでイベントタイプおよびイベント値のしきい値フィールドを使用して、Amazon Personalize がモデルをトレーニングするときに使用するインタラクションデータを選択します。

    詳細については、「」を参照してください。トレーニングに使用するインタラクションデータの選択

  7. どちらかの場合、ユーザー・パーソナライゼーションレシピまたはパーソナライズされたランキングレシピレシピで、オプションで目的を選択し、客観的な感度を使用して、関連性に加えて目標に合わせてソリューションを最適化します。詳細については、「」を参照してください。追加の目的のためのソリューションの最適化

  8. レシピとビジネスニーズに基づいて、ハイパーパラメータオプションを設定します。異なるレシピは異なるハイパーパラメータを使用します。利用可能なハイパーパラメータについては、「ステップ 1: レシピの選択」で個々のレシピを参照してください。

  9. [Next] を選択します。[ソリューションバージョンの作成] ページが表示されます。ソリューションバージョンの作成 (コンソール) に進みます。

ソリューションの設定 (AWS CLI)

を使用してソリューションを設定するには、[] を使用します。AWS CLI以下のを使用します。create-solutionオペレーション. [] を指定します。solution name,dataset group arn, およびrecipe arn

aws personalize create-solution \ --name solution name \ --dataset-group-arn dataset group arn \ --recipe-arn recipe arn

ソリューションの Amazon リソースネーム (ARN) が表示されます。次に例を示します。

{ "solutionArn": "arn:aws:personalize:<region>:solution/<solution name>" }

上記のコードを変更して、レシピのプロパティとハイパーパラメータを最適化できます (ハイパーパラメータおよび HPOを参照)、またはトレーニングに使用するインタラクションデータをフィルタリングします (トレーニングに使用するインタラクションデータの選択).

どちらかの場合、ユーザー・パーソナライゼーションレシピまたはパーソナライズされたランキングレシピレシピを使用すると、関連性に加えて目標に合わせてソリューションを最適化できます。詳細については、「」を参照してください。追加の目的のためのソリューションの最適化

将来の使用に備えてソリューション ARN を記録して、ソリューションバージョンの作成 (AWS CLI)

ソリューションの設定 (AWSSDK)

以下のコードは、SDK for Python (Boto3) または SDK for Java 2.x を使用して Amazon Personalize ソリューションを作成する方法を示しています。

次のコードを変更して、レシピのプロパティとハイパーパラメータを最適化できます (ハイパーパラメータおよび HPOを参照)、またはトレーニングに使用するインタラクションデータをフィルタリングします (トレーニングに使用するインタラクションデータの選択). どちらかの場合、ユーザー・パーソナライゼーションレシピまたはパーソナライズされたランキングレシピレシピを使用すると、関連性に加えて目標に合わせてソリューションを最適化できます。詳細については、「」を参照してください。追加の目的のためのソリューションの最適化

将来の使用に備えてソリューション ARN を記録して、ソリューションバージョンの作成 (AWSSDK)

SDK for Python (Boto3)

以下を使用して新しいソリューションを作成します。create_solutionメソッドを使用します。置換solution nameをソリューション名に置き換えます。recipe arnレシピでアマゾンレスクールネーム(ARN)からステップ 1: レシピの選択, およびdataset group arnをデータセットグループの ARN に置き換えます。

import boto3 personalize = boto3.client('personalize') print('Creating solution') create_solution_response = personalize.create_solution( name='solution name', recipeArn= 'recipe arn', datasetGroupArn = 'dataset group arn' ) solution_arn = create_solution_response['solutionArn'] print('solution_arn: ', solution_arn)
SDK for Java 2.x

以下を使用して新しいソリューションを作成します。createPersonalizeSolutionメソッドを使用します。以下をパラメータとして渡します。APersonalizeClient、データセットグループの Amazon リソースネーム(ARN)、ソリューションの名前、およびレシピの ARNステップ 1: レシピの選択

public static String createPersonalizeSolution(PersonalizeClient personalizeClient, String datasetGroupArn, String solutionName, String recipeArn) { try { CreateSolutionRequest solutionRequest = CreateSolutionRequest.builder() .name(solutionName) .datasetGroupArn(datasetGroupArn) .recipeArn(recipeArn) .build(); CreateSolutionResponse solutionResponse = personalizeClient.createSolution(solutionRequest); return solutionResponse.solutionArn(); } catch (PersonalizeException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } return ""; }