在 AWS Clean Rooms ML 中贡献训练数据

在协作创建者创建协作并且受邀成员加入后，您就可以为协作贡献训练数据了。任何成员都可以贡献训练数据。

Console

贡献训练数据（控制台）

登录 AWS Management Console 并在 https://console.aws.amazon.com/clean room AWS Clean Rooms s 上打开控制台。
在左侧导航窗格中，选择表。
在 “表” 页面上，选择 “配置新表”。

对于配置新表，对于数据源，选择 A mazon S3、Amazon A thena 或 Snowflake，然后根据您的数据源完成以下步骤：

如果你正在使用	那么
Amazon S3	从下拉列表中选择一个数据库，然后从数据库中选择表。对于协作中允许的列，选择所有列或自定义列表。有关已配置表的详细信息，请提供该表的名称和可选描述。如果要报告模型指标，请输入指标的名称和将搜索输出日志以查找指标的 Regex 语句。如果要为已配置的表资源启用标签，请选择添加新标签，然后输入键和值对。
Amazon Athena	从下拉列表中选择一个数据库，然后从数据库中选择表。对于协作中允许的列，选择所有列或自定义列表。有关已配置表的详细信息，请提供该表的名称和可选描述。如果要报告模型指标，请输入指标的名称和将搜索输出日志以查找指标的 Regex 语句。如果要为已配置的表资源启用标签，请选择添加新标签，然后输入键和值对。
Snowflake	使用现有密钥 ARN 或存储此表的新密钥指定 Sn owflake 凭证。要获取 Snowflake 表和架构的详细信息，请手动输入详细信息或自动导入详细信息。对于架构，输入列名并从下拉列表中选择数据类型。如果要为已配置的表资源启用标签，请选择添加新标签，然后输入键和值对。

选择配置新表。
在表格详细信息页面上，选择配置分析规则，为该表配置自定义分析规则。自定义分析规则限制对数据的访问权限。您可以允许对您的数据进行一组特定的预授权查询，也可以允许一组特定的账户查询您的数据。
1. 对于分析规则类型，选择自定义，对于创建方法，选择引导流程。
2. 选择下一步。
3. 在 “指定分析控件” 中，在 “查看每项新分析” 和 “允许特定合作者进行任何分析” 之间进行选择。
4. 选择下一步。
5. （可选）对于指定分析结果控件，对于输出中不允许的列，请指定是否要从输出中排除任何列。如果选择 “无”，则不会从输出中排除任何列。如果选择 “自定义列表”，则可以指定将从输出中删除的某些列。
6. 对于应用于输出的其他分析，请指定在生成结果之前是允许、拒绝还是要求进行其他分析。
7. 选择下一步。
8. （可选）在 “设置差异隐私” 中，选择 “关闭”。
9. 选择下一步。
10. 查看查看和配置页面上的信息，然后选择配置分析规则。
在表格详细信息页面中，选择关联到协作。
在 “关联表” 对话框中，选择要将此表格关联到的协作，然后选择 “选择协作”。
在 “关联表” 页面上，查看并验证表关联详细信息、服务访问权限和标签中的信息。选择关联表。
在 “与您关联的表” 表中，选择刚才关联的表旁边的单选按钮。从 “操作” 菜单中，选择 “协作分析规则” 组中的 “配置”。
在 “配置协作分析规则” 页面上，在 “允许的其他分析” 中，选择是否有任何协作成员或特定协作成员可以执行其他分析。

对于结果交付，请选择允许哪些成员接收来自查询输出的结果。
选择配置分析规则。

API

贡献训练数据 (API)

AWS Clean Rooms 通过提供 AWS Glue 表和可以使用的列，配置现有表以供在中使用。

使用您的特定参数运行以下代码。


import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table(
    name='configured_table_name',
    tableReference= {
        'glue': {
            'tableName': 'glue_table_name',
            'databaseName': 'glue_database_name'
        }
    },
    analysisMethod="DIRECT_QUERY",
    allowedColumns=["column1", "column2", "column3",...]
)

配置限制对数据的访问的自定义分析规则。您可以允许对您的数据进行一组特定的预授权查询，也可以允许一组特定的账户查询您的数据。

使用您的特定参数运行以下代码。


import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table_analysis_rule(
    configuredTableIdentifier='configured_table_id',
    analysisRuleType='CUSTOM',
    analysisRulePolicy= {
        'v1': {
            'custom': {
                'allowedAnalyses': ['ANY_QUERY'],
                'allowedAnalysisProviders': ['query_runner_account'],
                'additionalAnalyses': "REQUIRED"
            }
        }
    }
)

在此示例中，允许特定账户对数据运行任何查询，并且需要进行额外的分析。

将已配置的表与协作关联，并为这些 AWS Glue 表提供服务访问角色。

使用您的特定参数运行以下代码。
```
import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table_association(
    name='configured_table_association_name',
    membershipIdentifier='membership_id',
    configuredTableIdentifier='configured_table_id',
    roleArn='arn:aws:iam::account:role/role_name'
)
```
注意
此服务角色拥有对表的权限。只有代表可以查询的成员运行 AWS Clean Rooms 允许的查询时，才可以假设服务角色。任何协作成员（数据所有者除外）都无法访问协作中的底层表。数据所有者可以关闭差异隐私，使其表可供其他成员查询。

最后，向配置的表关联添加分析规则。

使用您的特定参数运行以下代码。


import boto3
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table_association_analysis_rule(
    configuredTableAssociationIdentifier='configured_table_association_identifier',
    membershipIdentifier='membership_id',
    configuredTableIdentifier='configured_table_id',
    analysisRuleType = 'CUSTOM',
    analysisRulePolicy= {
        'v1': {
            'custom': {
                'allowedAdditionalAnalyses': ['configured_model_algorithm_association_arns'],
                'allowedResultReceivers': ['query_runner_account']
            }
        }
    }
)

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

创建和加入协作

配置模型算法

在 AWS Clean Rooms ML 中贡献训练数据

贡献训练数据（控制台）

注意