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。

创建解决方案

您可以使用 Amazon Personalize 控制台创建自定义解决方案， Amazon Command Line Interface (Amazon CLI) 或 Amazon SDKs。下面包括使用 Amazon Personalize 控制台创建解决方案的详细步骤，还包括了代码示例，用于演示如何创建仅包含必需字段的解决方案。

创建解决方案（控制台）

要在控制台中创建解决方案，请选择您的数据集组，然后指定解决方案名称、配方和可选的训练配置。

创建解决方案 (Amazon CLI)

要使用创建解决方案 Amazon CLI，请使用create-solution命令。此命令使用该CreateSolutionAPI操作。以下代码展示了如何创建使用自动训练的解决方案。该解决方案每五天自动创建一个新的解决方案版本。

要使用代码，请对其进行更新以为解决方案命名，指定数据集组的 Amazon 资源名称 (ARN)，可以选择更改训练频率，并指定要使用的配方。ARN有关配方的信息，请参阅选择食谱。

aws personalize create-solution \
--name solution name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--perform-auto-training \
--solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(5 days)\"}}"

创建解决方案后，记录解决方案ARN以备将来使用。通过自动训练，解决方案版本的创建将在解决方案发布后的一小时内开始ACTIVE。如果您在一小时内手动创建解决方案版本，则解决方案会跳过第一次自动训练。训练开始后，您可以通过ListSolutionVersionsAPI操作获取解决方案版本的 Amazon 资源名称 (ARN)。要获取其状态，请使用DescribeSolutionVersionAPI操作。

解决方案版本发布后ACTIVE，您就可以用它来获取建议了。如何使用活跃解决方案版本取决于获取建议的方式：

创建解决方案 (Amazon SDKs)

要使用创建解决方案 Amazon SDKs，请使用CreateSolutionAPI操作。以下代码展示了如何创建使用自动训练的解决方案。该解决方案每五天自动创建一个新的解决方案版本。

要使用代码，请对其进行更新以为解决方案命名，指定数据集组的 Amazon 资源名称 (ARN)，可以选择更改训练频率，然后指定要使用的配方。ARN有关配方的信息，请参阅选择食谱。

SDK for Python (Boto3)

import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
  name = 'solution name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN',
  performAutoTraining = True,
  solutionConfig = {
    "autoTrainingConfig": {
      "schedulingExpression": "rate(5 days)"
    }
  }
)
solution_arn = create_solution_response['solutionArn']
print('solution_arn: ', solution_arn)

SDK for JavaScript v3

import {
  CreateSolutionCommand,
  PersonalizeClient,
} from "@aws-sdk/client-personalize";

// create client
const personalizeClient = new PersonalizeClient({ region: "REGION" });

// set the solution parameters
export const solutionParam = {
  datasetGroupArn: "DATASET_GROUP_ARN" /* required */,
  recipeArn: "RECIPE_ARN" /* required */,
  name: "SOLUTION_NAME" /* required */,
  performAutoTraining: true /* optional, default is true */,
  solutionConfig: {
    autoTrainingConfig: {
      schedulingExpression:
        "rate(5 days)" /* optional, default is every 7 days */,
    },
  },
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(
      new CreateSolutionCommand(solutionParam)
    );
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();

创建解决方案后，记录解决方案ARN以备将来使用。通过自动训练，解决方案版本的创建将在解决方案发布后的一小时内开始ACTIVE。如果您在一小时内手动创建解决方案版本，则解决方案会跳过第一次自动训练。训练开始后，您可以通过ListSolutionVersionsAPI操作获取解决方案版本的 Amazon 资源名称 (ARN)。要获取其状态，请使用DescribeSolutionVersionAPI操作。

您可以使用以下 Python 代码来等待自动训练开始。该wait_for_training_to_start方法返回第一个解决方案版本的。ARN

import time
import boto3


def wait_for_training_to_start(new_solution_arn):
    max_time = time.time() + 3 * 60 * 60    # 3 hours
    while time.time() < max_time:
        list_solution_versions_response = personalize.list_solution_versions(
            solutionArn=new_solution_arn
        )
        solution_versions = list_solution_versions_response.get('solutionVersions', [])
        if solution_versions:
            new_solution_version_arn = solution_versions[0]['solutionVersionArn']
            print(f"Solution version ARN: {new_solution_version_arn}")
            return new_solution_version_arn
        else:
            print(f"Training hasn't started yet. Training will start within the next hour.")
            time.sleep(60)


personalize = boto3.client('personalize')

solution_arn = "solution_arn"
solution_version_arn = wait_for_training_to_start(solution_arn)

解决方案版本发布后ACTIVE，您就可以用它来获取建议了。如何使用活跃解决方案版本取决于获取建议的方式：