기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
교육 시 사용되는 열 구성
중요
솔루션을 만든 후에는 구성을 변경할 수 없습니다. 기본적으로 모든 새 솔루션은 자동 교육을 사용합니다. 자동 교육을 사용하면 솔루션이 활성화되는 동안 교육 비용이 발생합니다. 불필요한 비용을 피하려면 완료 후 솔루션을 삭제해야 합니다. 교육 비용에 대한 자세한 내용은 Amazon Personalize
레시피가 항목 추천이나 사용자 세그먼트를 생성하는 경우 Amazon Personalize가 솔루션 버전을 생성(모델 교육)할 때 고려하는 열을 수정할 수 있습니다.
교육 시 사용되는 열을 변경하여 Personalize가 모델 교육(솔루션 버전 생성) 시 어떤 데이터를 사용할 것인지를 제어할 수 있습니다. 이를 통해 다양한 교육 데이터 조합을 실험해 볼 수 있습니다. 또는 중요한 데이터가 없는 열을 제외할 수도 있습니다. 예를 들어, 추천을 필터링하는 데만 사용하려는 열이 있을 수 있습니다. 이 열을 교육에서 제외할 수 있으며, Personalize는 필터링할 때만 이 열을 고려합니다.
EVENT_TYPE 열은 제외할 수 없습니다. 기본 설정으로 Personalize는 교육 시 사용할 수 있는 모든 열을 사용합니다. 다음 데이터는 항상 교육에서 제외됩니다.
-
부울 데이터 유형의 열
-
범주형 또는 텍스트형이 아닌 사용자 지정 문자열 필드
교육에 노출 데이터를 포함할 수는 없지만 사용 사례 또는 레시피에서 사용하는 경우 Amazon Personalize는 권장 사항을 받을 때 노출 데이터를 사용하여 탐색을 안내합니다.
솔루션을 이미 생성했고 교육 시 사용하는 열을 수정하려는 경우, 솔루션을 복제할 수 있습니다. 솔루션을 복제할 때 기존 솔루션의 구성(예: 레시피 및 하이퍼파라미터)을 시작점으로 사용하고 필요에 따라 변경할 수 있습니다. 자세한 정보는 솔루션 복제(콘솔)을 참조하세요.
Amazon Personalize 콘솔 AWS Command Line Interface ,AWS CLI() 또는 SDK를 사용하여 학습할 때 Amazon Personalize가 사용하는 열을 구성할 수 있습니다. AWS Personalize 콘솔을 사용하여 열을 선택하는 방법에 대한 자세한 내용은 솔루션 생성(콘솔)의 고급 구성 단계를 참조하세요. 솔루션을 생성한 후에는 Personalize 콘솔의 솔루션 세부 정보 페이지에서 또는 DescribeSolution작업으로 솔루션에서 사용하는 열을 볼 수 있습니다.
교육 시(AWS CLI) 사용되는 열 구성
학습에서 열을 제외하려면 솔루션 구성의 일부로 trainingDataConfig
의 excludedDatasetColumns
객체를 제공하세요. 각 키에 대해 데이터세트 유형을 제공하세요. 각 값에 대해 제외할 열 목록을 제공하세요. 다음 코드는 AWS CLI를 사용하여 솔루션을 만들 때 교육에서 열을 제외하는 방법을 보여줍니다.
aws personalize create-solution \ --name
solution name
\ --dataset-group-arndataset group ARN
\ --recipe-arnrecipe ARN
\ --solution-config "{\"trainingDataConfig\": {\"excludedDatasetColumns\": { \"datasetType
\" : [ \"column1Name
\", \"column2Name
\"]}}}"
교육 시 사용되는 열 구성 (SDK)AWS
학습에서 열을 제외하려면 솔루션 구성의 일부로 trainingDataConfig
의 excludedDatasetColumns
객체를 제공하세요. 각 키에 대해 데이터세트 유형을 제공하세요. 각 값에 대해 제외할 열 목록을 제공하세요. 다음 코드는 SDK for Python(Boto3)를 사용하여 솔루션을 만들 때 교육에서 열을 제외하는 방법을 보여줍니다.
import boto3 personalize = boto3.client('personalize') create_solution_response = personalize.create_solution( name = '
solution name
', recipeArn = 'recipe ARN
', datasetGroupArn = 'dataset group ARN
', solutionConfig = { "trainingDataConfig": { "excludedDatasetColumns": { "datasetType
": ["COLUMN_A
", "COLUMN_B
"] } } } ) solution_arn = create_solution_response['solutionArn'] print('solution_arn: ', solution_arn)