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

ソリューションバージョンの作成 (モデルのトレーニング) 時に Amazon Personalize が使用する Interactions データセットのイベントを選択できます。トレーニングの前にインタラクションデータを選択すると、データの関連するサブセットのみをトレーニングに使用したり、ノイズを除去してより最適化されたモデルをトレーニングしたりできます。Interactions データセットの詳細については、「スキーマ」および「インタラクションデータセット」を参照してください。

インタラクションデータは次のように選択できます。

• タイプに基づいてレコードを選択する – ソリューションを設定するときに、Interactions データセットの EVENT_TYPE 列にイベントタイプが含まれている場合、トレーニングで使用するイベントタイプをオプションで指定できます。例えば、Interactions データセットに [purchase] (購入)、[click] (クリック)、[watch] (視聴) のイベントタイプが含まれており、Amazon Personalize で [watch] (視聴) イベントのみを使用してモデルをトレーニングする場合、ソリューションを設定するときに、Amazon Personalize がトレーニングで使用する event type として [watch] (視聴) を提供します。

  Interactions データセットの EVENT_TYPE 列に複数のイベントタイプがあり、ソリューションを設定するときにイベントタイプを指定しない場合、Amazon Personalize は、タイプにかかわらず、同じ重みでトレーニングにすべてのインタラクションデータを使用します。

• タイプと値に基づいてレコードを選択する – ソリューションを設定するときに、Interactions データセットに EVENT_TYPE フィールドと EVENT_VALUE フィールドが含まれている場合、トレーニングからレコードを除外するためのしきい値として特定の値を設定できます。例えば、EVENT_TYPE が [watch] (視聴) のイベントの EVENT_VALUE データが、ユーザーが視聴した動画のパーセンテージ (%) である場合であって、イベント値のしきい値を 0.5 に、イベントタイプを [watch] (視聴) に設定する場合、Amazon Personalize は、EVENT_VALUE が 0.5 以上の [watch] (視聴) インタラクションイベントのみを使用してモデルをトレーニングします。

イベント値およびイベントタイプによるレコードのフィルタリング (AWS SDK)

以下の手順では、AWS SDK for Python (Boto3) を使用して、トレーニングデータセットをフィルタリングするインタラクションスキーマを作成します。Jupyter (iPython) ノートブックを使用して同じタスクを実行できます。詳細については、「Jupyter (iPython) ノートブックでの Amazon Personalize API の開始方法」を参照してください。

前提条件: 前提条件を満たし、Python 環境が「開始方法 (SDK for Python (Boto3))」の説明に従ってセットアップされていることを確認します。

イベント値またはイベントタイプによりトレーニングデータセットで使用されているレコードをフィルタリングするには

1. 以下に示すように、"name" と "type" のキーバリューペアを使用して、インタラクションスキーマを作成し、EVENT_TYPE フィールドと EVENT_VALUE フィールドを含めます。

   import boto3
   import json
    
    
   personalize = boto3.client('personalize')
    
   # Create a name for your schema
   schema_name = 'YourSchemaName'
    
   # Define the schema for your dataset
   schema = {
       "type": "record",
       "name": "Interactions",
       "namespace": "com.amazonaws.personalize.schema",
       "fields": [
           {
               "name": "USER_ID",
               "type": "string"
           },
           {
               "name": "ITEM_ID",
               "type": "string"
           },
           {
               "name": "EVENT_VALUE",
               "type": "float"
           },
           {
               "name": "EVENT_TYPE",
               "type": "string"
           },
           { 
               "name": "TIMESTAMP",
               "type": "long"
           }
       ],
       "version": "1.0"
   }
    
   # Create the schema for Amazon Personalize
   create_schema_response = personalize.create_schema(
       name = schema_name,
       schema = json.dumps(schema)
   )
    
   #To get the schema ARN, use the following lines
   schema_arn = create_schema_response['schemaArn']
   print('Schema ARN:' + schema_arn )

2. スキーマに一致するように入力データをフォーマットします。コードサンプルについては、「データ形式のガイドライン」を参照してください。

3. Amazon Simple Storage Service (Amazon S3) バケットにデータをアップロードします。コードサンプルについては、「Amazon S3 バケットへのアップロード」を参照してください。

4. CreateDatasetImportJob API を使用して Amazon Personalize にデータをインポートします。ソリューションを作成するときに必要になるため、データセットグループの Amazon リソースネーム (ARN) を記録してください。コードサンプルについては、「バルクレコードのインポート (AWS SDK)」を参照してください。

5. ソリューションの作成時に使用するレシピの ARN を取得します。ソリューションを作成するときに必要になります。

   # Display the ARNs of the recipes
   recipe_list = personalize.list_recipes()
   for recipe in recipe_list['recipes']:
       print(recipe['recipeArn'])
       
   # Store the ARN of the recipe that you want to use
    recipe_arn = "arn:aws:personalize:::recipe/aws-recipe-name"

6. CreateSolution API を呼び出します。イベントタイプ (例: “purchase”) を指定する場合、それを eventType パラメータに設定します。イベント値 (たとえば、10) を指定する場合、それを eventValueThreshold パラメータに設定します。イベントタイプとイベント値の両方を指定することもできます。

   # Create the solution
   create_solution_response = personalize.create_solution(
       name = "your-solution-name",
       datasetGroupArn = dataset_group_arn,
       recipeArn = recipe_arn,
       eventType = 'watched',
       solutionConfig = {
           "eventValueThreshold": "0.5"
       }
   )
   
   # Store the solution ARN
   solution_arn = create_solution_response['solutionArn']
   
   # Use the solution ARN to get the solution status
   solution_description = personalize.describe_solution(solutionArn = solution_arn)['solution']
   print('Solution status: ' + solution_description['status'])

7. ソリューションがある場合は、そのソリューションを使用して、CreateSolutionVersion リクエストでソリューション ARN を指定して、モデルをトレーニングします。

   # Create a solution version
   create_solution_version_response = personalize.create_solution_version(solutionArn = solution_arn)
   
   
   # Store the solution version ARN
   solution_version_arn = create_solution_version_response['solutionVersionArn']
       
   # Use the solution version ARN to get the solution version status.
   solution_version_description = personalize.describe_solution_version(
       solutionVersionArn = solution_version_arn)['solutionVersion']
   print('Solution version status: ' + solution_version_description['status'])

ステータスが ACTIVE になると、トレーニングは完了です。詳細については、「ソリューションとソリューションバージョンの作成」を参照してください。

モデルをトレーニングしたら、そのパフォーマンスを評価する必要があります。モデルを最適化するには、eventValueThreshold またはその他のハイパーパラメータを調整する必要があります。詳細については、「メトリクスを使ったソリューションバージョンの評価」を参照してください。