View a markdown version of this page

Persyaratan data pelatihan untuk Clean Room ML - AWS Clean Rooms

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Persyaratan data pelatihan untuk Clean Room ML

Agar berhasil membuat model yang mirip, data pelatihan Anda harus memenuhi persyaratan berikut:

  • Data pelatihan harus dalam format Parquet, CSV, atau JSON.

    catatan

    Data parket terkompresi Zstandard (ZSTD) tidak didukung.

  • Data pelatihan Anda harus dikatalogkan. AWS Glue Untuk informasi selengkapnya, lihat Mem ulai dengan Katalog Data AWS Glue di Panduan AWS Glue Pengembang. Sebaiknya gunakan AWS Glue crawler untuk membuat tabel karena skema disimpulkan secara otomatis.

  • Bucket Amazon S3 yang berisi data pelatihan dan data benih berada di AWS wilayah yang sama dengan sumber daya ML Ruang Bersih Anda lainnya.

  • Data pelatihan harus berisi setidaknya 100.000 ID pengguna unik dengan setidaknya dua interaksi item masing-masing.

  • Data pelatihan harus berisi setidaknya 1 juta catatan.

  • Skema yang ditentukan dalam CreateTrainingDataset tindakan harus sejajar dengan skema yang ditentukan saat AWS Glue tabel dibuat.

  • Bidang yang diperlukan, seperti yang didefinisikan dalam tabel yang disediakan, didefinisikan dalam CreateTrainingDataset tindakan.

    Jenis bidang Jenis data yang didukung Diperlukan Deskripsi
    USER_ID string, int, bigint Ya Pengidentifikasi unik untuk setiap pengguna dalam dataset. Itu harus menjadi nilai Informasi Identifikasi Non-Pribadi (PII). Ini mungkin pengenal hash atau ID pelanggan.
    ITEM_ID string, int, bigint Ya Pengidentifikasi unik untuk setiap item yang berinteraksi dengan pengguna.
    TIMESTAMP bigint, int, stempel waktu Ya Waktu ketika pengguna berinteraksi dengan item. Nilai harus dalam waktu zaman Unix dalam format detik.
    KATEGORI_FITUR string, int, float, bigint, ganda, boolean, array Tidak Menangkap data kategoris yang terkait dengan pengguna atau item. Ini dapat mencakup hal-hal seperti jenis acara (seperti klik atau pembelian), demografi pengguna (kelompok usia, jenis kelamin - anonim), lokasi pengguna (kota, negara - anonim), kategori item (seperti pakaian atau elektronik), atau merek barang.
    FITUR NUMERIK ganda, float, int, bigint Tidak Menangkap data numerik yang terkait dengan pengguna atau item. Ini dapat mencakup hal-hal seperti riwayat pembelian pengguna (jumlah total yang dibelanjakan), harga item, berapa kali item dikunjungi, atau peringkat pengguna untuk item.

  • Secara opsional, Anda dapat memberikan hingga 10 fitur kategoris atau numerik total.

Berikut adalah contoh kumpulan data pelatihan yang valid dalam format CSV

USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE(CATEGORICAL FEATURE),EVENT_VALUE (NUMERICAL FEATURE)
196,242,881250949,click,15
186,302,891717742,click,13
22,377,878887116,click,10
244,51,880606923,click,20
166,346,886397596,click,10