Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Configurazione delle colonne utilizzate durante la creazione di un programma di raccomandazione di domini Amazon Personalize
<a name="create-recommender-configure-columns"></a>

Quando crei un programma di raccomandazione, puoi modificare le colonne che Amazon Personalize considera durante la formazione dei modelli che lo supportano. 

 Potresti farlo per sperimentare diverse combinazioni di dati di allenamento. Oppure potresti escludere le colonne senza dati significativi. Ad esempio, potresti avere una colonna che desideri utilizzare solo per filtrare i consigli. Puoi escludere questa colonna dalla formazione e Amazon Personalize la considera solo durante il filtraggio.

Non puoi escludere le colonne EVENT\$1TYPE. Per impostazione predefinita, Amazon Personalize utilizza tutte le colonne che possono essere utilizzate durante la formazione. I seguenti dati sono sempre esclusi dalla formazione:
+ Colonne con tipo di dati booleano
+ [Dati sulle impressioni](interactions-datasets.md#interactions-impressions-data)
+ Campi stringa personalizzati che non sono categorici o testuali

 Non puoi includere i dati sulle impressioni nella formazione, ma se il tuo caso d'uso o la tua ricetta li utilizzano, Amazon Personalize utilizza i dati sulle impressioni per guidare l'esplorazione quando ricevi consigli.

I seguenti esempi di codice mostrano come configurare le colonne utilizzate durante l'allenamento con o il. AWS CLI AWS SDKs Per fare ciò con la console Amazon Personalize, specifichi le colonne da utilizzare nella pagina di **configurazione avanzata** quando crei il programma di raccomandazione. Per ulteriori informazioni, consulta [Creazione di consiglieri (console)](creating-domain-recommenders.md#creating-recommenders-console). 

## Configurazione delle colonne utilizzate durante la formazione ()AWS CLI
<a name="domain-config-columns-cli"></a>

Per escludere le colonne dalla formazione, fornisci l'`excludedDatasetColumns`oggetto `trainingDataConfig` come parte della configurazione del programma di raccomandazione. Per ogni chiave dell'oggetto, fornite il tipo di set di dati. Per ogni valore, fornite l'elenco delle colonne da escludere. Per ulteriori informazioni, consulta [Configurazione delle colonne utilizzate durante la creazione di un programma di raccomandazione di domini Amazon Personalize](#create-recommender-configure-columns). 

```
aws personalize create-recommender \
--name recommender name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--recommender-config "{\"trainingDataConfig\": {\"excludedDatasetColumns\": { \"datasetType\" : [ \"column1Name\", \"column2Name\"]}}}"
```

## Configurazione delle colonne utilizzate durante l'addestramento ()AWS SDKs
<a name="domain-configure-columns-sdk"></a>

Per escludere le colonne dalla formazione, fornisci l'`excludedDatasetColumns`oggetto `trainingDataConfig` come parte della configurazione del programma di raccomandazione. Per ogni chiave, fornisci il tipo di set di dati. Per ogni valore, fornisci l'elenco delle colonne da escludere. Il codice seguente mostra come escludere le colonne dalla formazione quando crei un programma di raccomandazione. Per ulteriori informazioni, consulta [Configurazione delle colonne utilizzate durante la creazione di un programma di raccomandazione di domini Amazon Personalize](#create-recommender-configure-columns). 

------
#### [ SDK for Python (Boto3) ]

```
import boto3

personalize = boto3.client('personalize')

create_recommender_response = personalize.create_recommender(
  name = 'recommender name',
  recipeArn = 'recipe name',
  datasetGroupArn = 'dataset group ARN',
  recommenderConfig = {
    "trainingDataConfig": {
      "excludedDatasetColumns": { 
        "datasetType": ["COLUMN_A", "COLUMN_B"]
      }
    }
  }
)

recommender_arn = create_recommender_response['recommenderArn']

print('Recommender ARN:' + recommender_arn)
```

------
#### [ SDK for JavaScript v3 ]

```
// Get service clients and commands using ES6 syntax.
import { CreateRecommenderCommand, PersonalizeClient } from
  "@aws-sdk/client-personalize";

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

// set the recommender's parameters
export const createRecommenderParam = {
  name: "RECOMMENDER_NAME",             /* required */
  recipeArn: "RECIPE_ARN",              /* required */
  datasetGroupArn: "DATASET_GROUP_ARN", /* required */
  recommenderConfig: {
    trainingDataConfig: {
      excludedDatasetColumns: {
        "DATASET_TYPE": ["COLUMN_A", "COLUMN_B"]   
      }
    }
  }
};

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

------