入门 (Amazon适用于 Python 的开发工具包） - Amazon Personalize
Prerequisites开始使用 Amazon Personalize API 与 JupiPython 笔记本电脑
AWS 文档中描述的 AWS 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 AWS 服务入门。

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。

入门 (Amazon适用于 Python 的开发工具包）

本主题介绍如何 Amazon Personalize 用Amazon SDK for Python (Boto3)。

Prerequisites

以下是使用本指南中的 Python 示例的先决条件步骤：

完成入门练习后，为避免产生不必要的费用，请按照清理资源删除您创建的资源。

在完成先决条件之后，请运行以下 Python 示例，以确认您的环境已正确配置。如果已正确配置环境，则会显示可用配方的列表，您现在可以运行本指南中的其他 Python 示例。 

import boto3

personalize = boto3.client('personalize')

response = personalize.list_recipes()

for recipe in response['recipes']:
    print (recipe)

在验证已正确配置 Python 环境之后，请导入您的数据。要将数据集用于训练，您需要执行以下操作：

  1. 添加架构。该架构允许 Amazon Personalize 解析训练数据集。有关代码示例，请参阅使用AmazonPython 开发工具包。

  2. 导入数据。您创建一个数据集组，其中包含 Amazon Personalize 可用于训练的一个或多个数据集。有关代码示例，请参阅导入批量记录 (Amazon开发工具包）。

  3. （可选）添加事件跟踪器。要记录交互事件，您必须添加跟踪 ID 以将事件与您的数据集组关联。有关代码示例，请参阅创建事件跟踪器。

  4. （可选）添加事件记录。要在训练中添加更多数据并创建更好的模型，您可以使用事件。事件是记录的用户活动，例如搜索、查看或购买。有关代码示例，请参阅PutEvents 操作。

导入数据后，请创建解决方案和解决方案版本。该解决方案 包含用于训练模型的配置。解决方案版本 是经过训练的模型。有关更多信息，请参阅创建解决方案。

在您创建解决方案版本时，请在继续前评估其性能。有关代码示例，请参阅第 4 步：使用指标评估解决方案版本。

训练和评估解决方案版本之后，您可以使用活动来部署它。活动是用于托管解决方案版本并向用户提出建议的终端节点。有关代码示例，请参阅创建市场活动。

创建活动之后，您可以使用它来获得推荐。有关代码示例，请参阅获取建议。

开始使用 Amazon Personalize API 与 JupiPython 笔记本电脑

要开始使用 Jupyter 笔记本电脑进行 Amazon Personalize 设置，请克隆或下载正在开始的Amazon Personalize 示例存储库。笔记本将引导您使用 Amazon Personalize 功能导入培训数据、创建解决方案、创建广告活动以及获取建议。

注意

在开始使用笔记本之前，请确保按照自述文件