分析数据集中数据的质量和数量 - Amazon Personalize
分析数据所需的权限数据见解查看数据集见解和统计信息
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

分析数据集中数据的质量和数量

将数据导入物品交互、用户或物品数据集后，您可以使用 Amazon Personalize 控制台来分析数据。您可以通过数据见解以及列和行统计信息来了解您的数据。您还可以了解可采取哪些操作来改善数据。这些操作可以帮助您满足 Amazon Personalize 资源要求，例如模型训练要求，也可以改进建议。

重要

您不能使用 Amazon Personalize 控制台来分析操作交互或操作数据集中的数据。

做出任何建议的更改后，您可以再次导入数据，看看是否解决了任何问题或改进了数据集统计信息。有关更新数据的信息，请参阅将更多训练数据导入数据集。

如果未看到任何见解，则说明您的数据符合 Amazon Personalize 数据预期。您可以分析域数据集组或自定义数据集组中的数据。

在生成见解和计算统计信息时，Amazon Personalize 会考虑来自非匿名用户的所有批量和流式传输数据。只有将匿名用户的事件与 userId 关联后，才会考虑此类事件。有关更多信息，请参阅 为匿名用户记录事件。

分析数据所需的权限

如果您授予用户对 Amazon Personalize 的完全访问权限，则无需更改权限。如果您仅向用户授予在 Amazon Personalize 中执行任务所需的权限，则您的 Amazon Identity and Access Management (IAM) 策略必须包括以下其他数据洞察操作。

  • 个性化：CreateDataInsightsJob

  • 个性化：ListDataInsightsJob

  • 个性化：DescribeDataInsightsJob

  • 个性化：GetData洞察

数据见解

以下是您可以在 Amazon Personalize 中生成的可能的数据见解。

见解 操作 相关数据集
交互数据集只有 X 次交互。模型训练至少需要 1000 次交互。我们建议至少 5 万次交互。 在训练模型之前，导入 Y 条额外唯一交互记录。 物品交互
交互数据集只有 X 个具有两个或更多交互的唯一用户。模型训练需要至少 25 个这样的用户。我们建议至少 1000 个用户。 为其他 Y 个用户中的每个用户导入至少 2 条交互记录。 物品交互
物品数据集中有 X% 的物品在交互数据集中没有交互，因此可能不建议使用它们。

请务必导入所有交互数据，并检查您的物品和交互数据集之间是否存在不匹配的 ID。查看下面有关物品和交互数据集的数据集统计信息，确保导入的行数达到了预期的行数。如果您的使用案例或食谱使用浏览，请修改浏览配置，以建议更多没有交互数据的物品。

 物品交互和物品
用户数据集中有 X% 的用户在交互数据集中没有交互。这些用户将收到热门物品的建议。

请务必导入所有交互数据，并检查您的用户和交互数据集之间是否存在不匹配的 ID。查看下面有关用户和交互数据集的数据集统计信息，确保导入的行数达到了预期的行数。导入任何其他交互，以便更多用户拥有交互数据。

 物品交互和用户
<用户或物品或交互> 数据集有 X% 的行缺失值。这可能会对建议产生负面影响。我们建议所有必填字段和可选字段的填写率至少为 70%。

导入其他完整记录，或者在没有不完整行的情况下再次导入数据，或者在将缺失值替换为替代数据（例如数值列的平均值或类别列的最常见值）的情况下再次导入数据。

 任何
<datasetType>数据集中以下各列的完成度不到 70%：< ColumnName、 ColumnName... >。如果这些数据包含在训练中，可能会对建议产生负面影响。我们建议允许空值的列的填写率至少为 70%。

导入其他完整记录，或者在没有不完整行的情况下再次导入数据，或者在将缺失值替换为替代数据（例如数值列的平均值或类别列的最常见值）的情况下再次导入数据。

 任何
以下（数字）列具有异常值：< ColumnName、 ColumnName... >。异常值不一定是问题，但有时会对建议产生负面影响。

使用下面的列统计信息，检查这些列的最小值和最大值是否符合您的预期。如果这些值出乎意料，请检查这些列中的数据是否存在不准确之处，并查看您的数据收集和数据处理是否存在问题。

 任何
以下列有 1000 多个可能的类别：< ColumnName、 ColumnName... >。如果这些数据包含在训练中，则可能会对建议产生负面影响：<ColumnName， ColumnName... >。

检查您的分类数据是否存在问题，例如拼写差异导致的重复类别。纠正任何不准确之处并重新导入数据。

 任何
以下文本元数据列的完成率不到 85%，不会用于模型训练：<ColumnName， ColumnName... >。

导入其他行或使用这些列的文本数据重新导入行。

 物品
交互数据集有 10 多个唯一的事件类型，这将导致模型训练失败。

检查您的事件类型列中是否存在不准确之处，例如拼写差异导致的事件类型重复。删除不必要的事件类型并重新导入数据。

 物品交互
交互数据集的所有记录都具有相同的时间戳。如果您使用 USER_SEGMENTATION 食谱，并且所有记录都具有相同的时间戳，则模型训练将失败。

检查您的数据是否存在时间戳问题，并将重复的时间戳替换为唯一的时间戳。

 物品交互

查看数据集见解和统计信息

要在 Amazon Personalize 数据集中查看您数据的见解和统计信息，请在 Amazon Personalize 控制台中导航到您的数据集，然后选择“运行分析”。

查看见解和统计信息

  1. 打开 Amazon Personalize 控制台（网址为 https://console.aws.amazon.com/personalize/home），并登录您的账户。

  2. 在数据集组页面，选择您的数据集组。

  3. 从导航窗格中，在数据集下选择数据分析。

  4. 在右上角，选择运行分析。此时，Amazon Personalize 开始分析您的数据。这一过程耗时最多 15 分钟。如果成功，结果将显示在此页面上。

  5. 在见解中，使用以下内容筛选显示的见解。

    • 要查找包含特定语言的见解，请在查找见解中输入您的标准。在您输入文本时，列表会更新为仅包含在见解或建议操作中包含精确字符串的见解。

    • 要按数据集类型筛选见解，请将所有数据集更改为特定数据集类型。列表将更新为仅包含与此数据集相关的见解。

  6. 要查看数据集的数据集统计信息，请执行以下操作。

    • 要查看有关数据集的一般详细信息和统计信息（例如交互数据集中的行数、唯一用户数和唯一物品数），请展开该数据集对应的部分。

    • 要查看某列的详细统计信息，请展开数据集部分，选择列级别统计信息，然后选择该列对应的单选按钮。

  7. 更正数据中的所有问题，重新导入，然后运行另一次分析进行验证。有关再次导入数据的更多信息，请参阅将更多训练数据导入数据集。