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(SDK for Python (Boto3) 的开发工具包
本主题介绍如何使用开始编程 Amazon PersonalizeAmazon SDK for Python (Boto3).
先决条件
以下是使用本指南中的 Python 示例的先决条件步骤:
-
完成 入门先决条件。完成先决步骤后,您将创建本教程中使用的训练数据。如果您使用自己的源数据,请确保按照先决条件步骤创建训练数据(自定义数据集组)中那样对数据进行了格式化。
-
设置您的 Amazon SDK for Python (Boto3) 环境,如设置Amazon软件开发工具包中所指定。
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:
-
添加架构。该架构允许 Amazon Personalize 解析训练数据集。有关代码示例,请参阅使用适用于 Python 的软件开发工具包 (Boto3)。
-
导入数据。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)。
-
(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。
-
(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 Jupyter (iPython) 笔记本电脑的 Amazon Personalize 化 API
要开始使用 Jupyter 笔记本电脑使用 Amazon Personalize 化,请克隆或下载getting_启动
在开始使用笔记本电脑之前,请确保按照Readme.md