本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
AWS Clean Rooms ML 中的模型
AWS Clean Rooms ML 为双方提供了一种隐私保护方法，便于双方识别其数据中的相似用户，而无需彼此共享数据。第一方将训练数据带到， AWS Clean Rooms 这样他们就可以创建和配置外观相似的模型并将其与协作关联起来。然后，会将种子数据引入到协作中，以便创建与训练数据类似的相似细分。
有关其工作方式的更详细说明，请参阅跨账户作业。
以下主题提供有关如何在 Clean Rooms ML 中创建和配置 AWS 模型的信息。
主题
AWS Clean Rooms 机器学习术语
使用 Clean Rooms ML 时，了解以下术语非常重要：
-
训练数据提供者 - 贡献训练数据、创建和配置相似模型并将该相似模型与一个协作关联的一方。
-
种子数据提供者 - 贡献种子数据、生成相似细分并导出其相似细分的一方。
-
训练数据 - 训练数据提供者的数据，用于生成相似模型。训练数据用于测量用户行为的相似性。
训练数据必须包含用户 ID、项目 ID 和时间戳列。（可选）训练数据可以包含其他交互作为数值或分类特征。举例而言，交互可以是观看的视频、购买的物品或阅读的文章列表。
-
种子数据 - 种子数据提供者的数据，用于创建相似细分。种子数据可以直接提供，也可以来自 AWS Clean Rooms 查询结果。相似细分输出是训练数据中与种子用户最相似的一组用户。
-
相似模型 - 训练数据的机器学习模型，用于在其他数据集中查找相似用户。
在使用 API 时，受众模型 术语等同于相似模型。例如，您可以使用 CreateAudienceModelAPI 创建外观相似的模型。
-
相似细分 - 是与种子数据最相似的训练数据子集。
使用 API 时，您可以使用 API 创建外观相似的StartAudienceGenerationJob区段。
训练数据提供者的数据绝不会与种子数据提供者共享，并且种子数据提供者的数据绝不会与训练数据提供者共享。相似细分输出与训练数据提供者共享，但绝不会与种子数据提供者共享。
