開始使用 (AWS CLI)

在本練習中，您會使用 AWS Command Line Interface (AWS CLI) 探索 Amazon Personalize。您可以建立一個行銷活動，該活動會傳回針對特定使用者 ID 的電影建議。

開始本練習之前，請執行以下動作：

檢閱入門入門先決條件。
按 AWS CLI照中的指定設置正在設定 AWS CLI。

完成入門練習後，若要避免產生不必要的費用，請刪除您建立的資源。如需詳細資訊，請參閱刪除 Amazon Personalize 化資源的要求。

注意

本練習中的 AWS CLI 指令已在 Linux 上進行了測試。若要取得有關在 Windows 上使用指 AWS CLI 令的資訊，請參閱《使用指南》 AWS Command Line Interface中的〈指定參數值〉。AWS Command Line Interface

依照步驟建立資料集群組、將資料集新增至群組，然後使用電影評等資料填入資料集。

執行以下命令來建立資料集群組。您可以傳遞AWS Key Management Service金鑰ARN和具有該金鑰存取權限ARN的IAM角色作為輸入參數，藉此加密資料集群組。如需有關的更多資訊API，請參閱CreateDatasetGroup。
```
aws personalize create-dataset-group --name MovieRatingDatasetGroup --kms-key-arn arn:aws:kms:us-west-2:01234567890:key/1682a1e7-a94d-4d92-bbdf-837d3b62315e --role-arn arn:aws:iam::01234567890:KMS-key-access
```
此時會顯示ARN資料集群組，例如：
```
{
  "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup"
}
```
使用指describe-dataset-group令顯示您建立的資料集群組，並指定傳回的資料集群組ARN。
```
aws personalize describe-dataset-group \
--dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup
```
這時會顯示資料集群組及其屬性，例如：
```
{
    "datasetGroup": {
        "name": "MovieRatingDatasetGroup",
        "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
        "status": "ACTIVE",
        "creationDateTime": 1542392161.262,
        "lastUpdatedDateTime": 1542396513.377
    }
}
```
注意
請等待資料集群組的status顯示，ACTIVE然後再在群組中建立資料集。這個操作通常很快。

如果您不記得資料集群組ARN，請使用list-dataset-groups指令來顯示您建立的所有資料集群組及其群組ARNs。
```
aws personalize list-dataset-groups
```
注意
describe-object和命list-objects令可用於大多數 Amazon Personalize 化對象。這些命令沒有顯示在本練習的剩餘部分中，但它們是可用的。

通過將以下代碼保存到名為的文件中創建JSON格式的模式文件MovieRatingSchema.json。結構描述符合您之前新增到 ratings.csv 的標頭。結構描述名稱是Interactions，與 Amazon Personalize 識別的其中一種資料集類型相符。如需詳細資訊，請參閱為 Amazon Personalize 結構描述建立結構描述JSON檔案。


{
  "type": "record",
  "name": "Interactions",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
      {
          "name": "USER_ID",
          "type": "string"
      },
      {
          "name": "ITEM_ID",
          "type": "string"
      },
      {
          "name": "TIMESTAMP",
          "type": "long"
      }
  ],
  "version": "1.0"
}

執行以下命令來建立結構描述。指定您在上一個步驟中儲存的檔案。此範例會顯示屬於目前資料夾的檔案。如需有關的更多資訊API，請參閱CreateSchema。
```
aws personalize create-schema \
  --name MovieRatingSchema \
  --schema file://MovieRatingSchema.json
```
將顯示模式 Amazon 資源名稱 (ARN)，例如：
```
{
  "schemaArn": "arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema"
}
```

執行以下命令來建立空的資料集。提供在先前步驟中傳回ARN的資料集群組ARN和結構描述。dataset-type 必須符合前一個步驟中的結構描述 name。如需有關的更多資訊API，請參閱CreateDataset。


aws personalize create-dataset \
  --name MovieRatingDataset \
  --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
  --dataset-type Interactions \
  --schema-arn arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema

此時會ARN顯示資料集，例如：


{
  "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS"
}

將訓練資料新增至資料集。

執行以下命令來建立資料集匯入任務。提供在先前步驟中傳回的資料集ARN和 Amazon S3 儲存貯體名稱。提供您在中創建ARN的 AWS Identity and Access Management （IAM）角色為 Amazon Personalize 化創建IAM角色。如需有關的更多資訊API，請參閱CreateDatasetImportJob。


aws personalize create-dataset-import-job \
  --job-name MovieRatingImportJob \
  --dataset-arn arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS \
  --data-source dataLocation=s3://amzn-s3-demo-bucket/ratings.csv \
  --role-arn roleArn

ARN此時會顯示資料集匯入工作，例如：


{
  "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob"
}

使用 describe-dataset-import-job 命令來檢查狀態。提供在上一個步驟中傳回ARN的資料集匯入工作。如需有關的更多資訊API，請參閱DescribeDatasetImportJob。


aws personalize describe-dataset-import-job \
  --dataset-import-job-arn arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob

這時會顯示資料集匯入任務的屬性，包括其狀態。最初，status顯示為 CREATEPENDING，例如：


{
  "datasetImportJob": {
      "jobName": "MovieRatingImportJob",
      "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob",
      "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS",
      "dataSource": {
          "dataLocation": "s3://amzn-s3-demo-bucket/ratings.csv"
      },
      "roleArn": "role-arn",
      "status": "CREATE PENDING",
      "creationDateTime": 1542392161.837,
      "lastUpdatedDateTime": 1542393013.377
  }
}

當狀態顯示為時，資料集匯入已完成ACTIVE。然後，您就可以使用指定的資料集來訓練模型。

注意

匯入需要一些時間。請等到資料集匯入完成，再使用該資料集來訓練模型。

若要訓練模型，您可以建立使用CreateSolution操作訓練模型的組態，並保持開啟自動訓練。解決方案會在一小時內自動開始訓練第一個解決方案。

您可以使用方案和訓練資料來訓練模型。Amazon Personalize 化提供了一組預定義的食譜。如需詳細資訊，請參閱選擇一個食譜。在本練習中，您會使用使用者個人化 V2 方法。

執行下列命令，以建立用來訓練模型的組態。此指令會建立使用自動訓練的解決方案。它會每七天自動建立一個新的解決方案版本 (預設值)。


aws personalize create-solution \
  --name MovieSolution \
  --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
  --recipe-arn arn:aws:personalize:::recipe/aws-user-personalization-v2 \ 
  --perform-auto-training \
  --solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(7 days)\"}}"

此時會顯ARN示解決方案，例如：


{
  "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution"
}

使用describe-solution指令檢查建立狀態。提供在上一個步驟中傳回的解決方案ARN。如需有關的更多資訊API，請參閱DescribeSolution。


aws personalize describe-solution \
  --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution

這時會顯示解決方案的屬性和建立 status。例如：


{      
  "solution": {
      "name": "MovieSolution",
      "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution",
      "performHPO": false,
      "performAutoML": false,
      "recipeArn": "arn:aws:personalize:::recipe/aws-user-personalization-v2",
      "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
      "solutionConfig": {
            "algorithmHyperParameters": {
                "apply_recency_bias": "true"
            },
            "featureTransformationParameters": {},
            "autoTrainingConfig": {
                "schedulingExpression": "rate(7 days)"
            }
       },
      "status": "ACTIVE",
      "creationDateTime": "2021-05-12T16:27:59.819000-07:00",
      "lastUpdatedDateTime": "2021-05-12T16:27:59.819000-07:00"
  }
}

透過自動訓練，解決方案版本訓練會在解決方案完成後開始ACTIVE。訓練開始後，您可以使用下列ListSolutionVersions命令取得解決方案版本的 Amazon 資源名稱 (ARN)：
```
aws personalize list-solution-versions --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution
```

使用describe-solution-version指令檢查解決方案版本的訓練狀態。提供在上一個步驟中傳回的解決方案版本ARN。如需有關的更多資訊API，請參閱DescribeSolutionVersion。


aws personalize describe-solution-version \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id

這時會顯示解決方案版本的屬性和訓練 status。最初，狀態會顯示為 CREATEPENDING，例如：


{
  "solutionVersion": {
      "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>",
      ...,
      "status": "CREATE PENDING"
  }
}

當解決方案版本status為時ACTIVE，訓練即完成。

現在您可以檢閱訓練指標，並使用解決方案版本建立行銷活動。

注意
訓練需要一些時間。請等到訓練完成 (解決方案版本的訓練狀態顯示為ACTIVE)，然後才能在促銷活動中使用此版本的解決方案。

您可以檢閱其指標來驗證解決方案版本的效能。執行以下命令來取得解決方案版本的指標。提供先前傳回的解決方案版本ARN。如需有關的更多資訊API，請參閱GetSolutionMetrics。


aws personalize get-solution-metrics \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id

這時會顯示範例回應：


{
  "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/www-solution/<version-id>",
  "metrics": {
        "coverage": 0.0485,
        "mean_reciprocal_rank_at_25": 0.0381,
        "normalized_discounted_cumulative_gain_at_10": 0.0363,
        "normalized_discounted_cumulative_gain_at_25": 0.0984,
        "normalized_discounted_cumulative_gain_at_5": 0.0175,
        "precision_at_10": 0.0107,
        "precision_at_25": 0.0207,
        "precision_at_5": 0.0107
    }
}

您必須先部署解決方案版本，才能取得建議。部署解決方案也稱為建立行銷活動。建立行銷活動後，您的用戶端應用程式可以使用 GetRecommendationsAPI.

執行以下命令來建立行銷活動。提供在上一個步驟中傳回的解決方案版本ARN。如需有關的更多資訊API，請參閱CreateCampaign。


aws personalize create-campaign \
  --name MovieRecommendationCampaign \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id \
  --min-provisioned-tps 1

這時會顯示範例回應：


{
  "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign"
}

執行下列命令來檢查部署狀態。提供在上一個步驟中傳回的促銷活動ARN。如需有關的更多資訊API，請參閱DescribeCampaign。


aws personalize describe-campaign \
  --campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign

這時會顯示範例回應：


{
  "campaign": { 
      "name": "MovieRecommendationCampaign",
      "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign",
      "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>",
      "minProvisionedTPS": "1",
      "creationDateTime": 1543864775.923,
      "lastUpdatedDateTime": 1543864791.923,
      "status": "CREATE IN_PROGRESS"
  }
}

注意

等到status節目，ACTIVE然後再從廣告系列中獲得建議。

執行下列 get-recommendations 命令來取得建議。提供在上一個步驟中傳回的促銷活動ARN。您可以在請求中，指定來自電影評等資料集的使用者 ID。如需有關的更多資訊API，請參閱GetRecommendations。

注意

並非所有食譜都支援 GetRecommendationsAPI. 如需詳細資訊，請參閱選擇一個食譜。

您在此步驟中呼叫的 AWS CLI 指令與先前步驟不同。personalize-runtime


aws personalize-runtime get-recommendations \
  --campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign \
  --user-id 123

作為回應，促銷活動會傳回使用者可能會喜歡的項目推薦 (影片IDs) 清單。清單是依使用者相關性的遞減順序排序。


{
  "itemList": [
      {
          "itemId": "14"
      },
      {
          "itemId": "15"
      },
      {
          "itemId": "275"
      },
      {
          "itemId": "283"
      },
      {
          "itemId": "273"
      },
      ...
  ]
}

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

開始使用 (主控台)

開始使SDK用 (針對 Python (肉毒 3))