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.
# Requisiti per l'eliminazione delle risorse Amazon Personalize
L'eliminazione delle risorse può aiutarti a evitare costi inutili. Ad esempio, devi sostenere i costi della campagna mentre una campagna è attiva. Per evitare costi inutili, assicurati di eliminare la campagna quando hai finito. Per un elenco completo di addebiti e prezzi, consulta la pagina dei prezzi di [Amazon Personalize](https://aws.amazon.com/personalize/pricing/).
Per eliminare risorse con la console Amazon Personalize, scegli **Elimina** nella pagina dei dettagli della risorsa. Per eliminare una risorsa con Amazon Personalize APIs, usa `Delete` APIs with SDKs o the AWS Command Line Interface ()AWS CLI.
Per i passaggi dettagliati per l'eliminazione di un set di dati con la console Amazon Personalize AWS Command Line Interface ,AWS CLI(), AWS SDKs oppure consulta. [Eliminazione di un set di dati per eliminare tutti i relativi dati](delete-dataset.md) Puoi applicare i modelli descritti in questi passaggi ad altre risorse Amazon Personalize. Per informazioni sull'eliminazione degli utenti e dei relativi dati dal gruppo di set di dati, consulta. [Eliminazione degli utenti e dei relativi dati con un processo di eliminazione dei dati](delete-records.md)
È necessario eliminare alcune risorse prima di poterne eliminare altre. Ad esempio, se crei un tracker di eventi e un set di dati sulle interazioni tra elementi, devi eliminare il tracker degli eventi prima di poter eliminare il set di dati. Le seguenti sezioni forniscono linee guida e requisiti di ordine per l'eliminazione delle risorse Amazon Personalize.
**Topics**
+ [Linee guida per l'eliminazione delle risorse](#cleaning-up-guidelines)
+ [Ordine consigliato per l'eliminazione delle risorse](#deleting-resources-order)
+ [Eliminazione degli utenti e dei relativi dati con un processo di eliminazione dei dati](delete-records.md)
+ [Eliminazione di un set di dati per eliminare tutti i relativi dati](delete-dataset.md)
## Linee guida per l'eliminazione delle risorse
Di seguito sono riportate le linee guida per l'eliminazione delle risorse:
+ L'eliminazione di una risorsa in Amazon Personalize è un'azione irreversibile. L'eliminazione non può essere interrotta dopo l'inizio.
+ Non è possibile eliminare una risorsa il cui stato sta cambiando da uno stato all'altro. Ad esempio, non è possibile eliminare una risorsa che è CREATE PENDING o IN PROGRESS. Lo stato della risorsa deve essere ACTIVE o CREATE FAILED. Ciò include lo `latestSolutionUpdate` stato di una soluzione. È possibile controllare lo stato di una risorsa utilizzando il `Describe` APIs. Ad esempio, il funzionamento dell'[DescribeCampaign](API_DescribeCampaign.md)API.
+ Per informazioni sull'eliminazione dei dati di addestramento in Amazon S3, [consulta Come si eliminano oggetti da un bucket S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html)? .
+ Non ti vengono addebitati costi per i lavori di importazione dei set di dati una volta completati e non puoi eliminarli.
+ Non ti vengono addebitati costi per gli schemi e non puoi eliminare uno schema con la console Amazon Personalize. Per eliminare uno schema, utilizza l'operazione [DeleteSchema](API_DeleteSchema.md) API.
Di seguito sono riportati i requisiti specifici per l'eliminazione dei set di dati:
+ È necessario eliminare tutti i filtri prima di eliminare qualsiasi set di dati.
+ Se hai creato un tracker di eventi, devi eliminarlo prima di eliminare un set di dati sulle interazioni degli elementi.
+ Se hai creato un'attribuzione metrica che fa riferimento al set di dati, devi prima eliminare l'attribuzione della metrica.
+ Se utilizzi i casi d'uso User-Personalization-v 2, User-Personalization o Next-Best-Action Recipes o *Top picks e Recommended for you**, l'eliminazione di un set di dati interrompe gli* aggiornamenti automatici per tutte le versioni o i suggerimenti della soluzione associata.
+ Nessun `DatasetImportJob` associato può essere nello stato CREATE PENDING o IN PROGRESS.
+ Nessun associato `BatchInferenceJob` o `BatchSegmentJob` può avere lo stato CREATE PENDING o IN PROGRESS.
+ Nessun associato`Recommender`, `SolutionVersion` può avere lo stato CREATE PENDING o IN PROGRESS.
+ Nessun associato `Campaign` può avere lo stato CREATE PENDING o IN PROGRESS o ACTIVE.
## Ordine consigliato per l'eliminazione delle risorse
Per evitare errori di eliminazione, si consiglia di eliminare le risorse da un gruppo di set di dati nell'ordine seguente. Per identificare le risorse in un gruppo di set di dati, puoi utilizzare le operazioni dell'API List. Ad esempio, puoi utilizzare l'operazione [ListFilters](API_ListFilters.md) API per identificare tutti i filtri in un gruppo di set di dati.
1. Qualsiasi campagna o suggeritore: per eliminare la tua campagna o il tuo programma di raccomandazione con APIs, utilizza le operazioni [DeleteCampaign](API_DeleteCampaign.md) o [DeleteRecommender](API_DeleteRecommender.md) l'API. Con i consiglieri, puoi interrompere un programma di raccomandazione e avviarlo in un secondo momento. In questo modo, puoi mettere in pausa la fatturazione del programma di consulenza e pagarla solo quando la usi. Per ulteriori informazioni, consulta [Interruzione di un programma di raccomandazione](stopping-starting-recommender.md).
1. Qualsiasi soluzione: per eliminare la soluzione con APIs, utilizza l'[DeleteSolution](API_DeleteSolution.md)operazione API. Per eliminare una soluzione, non può essere in corso un aggiornamento della soluzione. `latestSolutionUpdate`Lo stato deve essere ACTIVE o CREATE FAILED. L'eliminazione di una soluzione comporta l'eliminazione di tutte le versioni della soluzione associate. Nessuna delle versioni della soluzione può avere lo stato CREATE PENDING o IN PROGRESS.
1. Event tracker: per eliminare un tracker di eventi con APIs, utilizza l'[DeleteEventTracker](API_DeleteEventTracker.md)operazione API. È necessario eliminare il tracker degli eventi prima di poter eliminare un set di dati sulle interazioni degli elementi.
1. Attribuzione metrica: per eliminare un'attribuzione metrica con, utilizza l' APIsoperazione API. [DeleteMetricAttribution](API_DeleteMetricAttribution.md)
1. Tutti i filtri: per eliminare un filtro con APIs, utilizza l'operazione API. [DeleteFilter](API_DeleteFilter.md) È necessario eliminare tutti i filtri prima di eliminare un set di dati.
1. Qualsiasi set di dati: per eliminare un set di dati con APIs, utilizza l'operazione API. [DeleteDataset](API_DeleteDataset.md)
1. Gruppo di set di dati: per eliminare il gruppo di set di dati con APIs, utilizza l'operazione API. [DeleteDatasetGroup](API_DeleteDatasetGroup.md)
1. Schemi: per eliminare uno schema, utilizzate l'[DeleteSchema](API_DeleteSchema.md)operazione API.
# Eliminazione degli utenti e dei relativi dati con un processo di eliminazione dei dati
Dopo aver importato i dati, puoi eliminare gli utenti e i relativi dati, inclusi i metadati e i dati di interazione, da un gruppo di set di dati. È possibile eliminare i dati degli utenti come parte di un programma di conformità, per soddisfare le richieste di eliminazione degli utenti o per mantenere i dati aggiornati man mano che la base utenti cambia.
Dopo aver eliminato gli utenti, Amazon Personalize non si basa più sui loro dati e non li considera più durante la generazione di segmenti di utenti.
Per eliminare i riferimenti agli utenti nei set di dati e nei modelli di Amazon Personalize in un gruppo di set di dati, procedi come segue:
1. Prepara un file CSV che elenchi gli ID utente degli utenti da eliminare in una colonna USER\$1ID.
1. Carica il file CSV in un bucket Amazon S3. Il tuo ruolo di servizio Amazon Personalize deve avere l'autorizzazione per accedere a questo bucket.
1. Crea un processo di eliminazione dei dati. Un *processo di eliminazione dei dati* è un processo in batch che elimina gli utenti e i relativi dati dai modelli e dai set di dati in un gruppo di set di dati.
**Topics**
+ [Linee guida e requisiti](#data-deletion-guidelines-requirements)
+ [Preparazione di un elenco di utenti da eliminare](#prepare-deletion-input-file)
+ [Creazione di un processo di eliminazione dei dati](#creating-data-deletion-job)
## Linee guida e requisiti
Di seguito sono riportate le linee guida e i requisiti per l'eliminazione degli utenti:
+ Prima di creare un processo di eliminazione dei dati, assicurati che non sia in corso alcun processo che utilizza i tuoi set di dati, ad esempio lavori di formazione, lavori in batch o operazioni di importazione collettive o individuali. Inoltre, evita di creare tali lavori mentre è in corso un processo di eliminazione dei dati. In caso di formazione o importazione, non possiamo garantire che i dati degli utenti vengano eliminati dai modelli e consigliamo di creare un processo di eliminazione dei dati aggiuntivo.
+ Un processo di eliminazione dei dati non elimina i riferimenti a utenti esterni ad Amazon Personalize. Ad esempio, non elimina il relativo UserID dai consigli sui batch nel bucket Amazon S3. È necessario eliminare manualmente questi record.
+ È possibile avere fino a 5 processi di eliminazione per un gruppo di set di dati con lo stato IN SOSPESO.
+ La dimensione totale massima del file o dei file di input per l'eliminazione dei dati è 100 MB. È possibile riutilizzare lo stesso file di input durante la creazione dei processi di eliminazione.
+ Ogni processo di eliminazione dei dati elimina gli utenti e i relativi dati di interazione in un gruppo di *set* di dati. Per eliminare i loro dati in tutti i gruppi di set di dati, è necessario creare un processo di eliminazione dei dati per ogni gruppo di set di dati.
+ Dopo aver creato un processo, l'eliminazione dei dati degli utenti da set di dati e modelli può richiedere fino a un giorno.
+ Al termine di un processo, assicurati di aggiornare tutte le risorse personalizzate. Assicurati di creare una nuova versione della soluzione e, se necessario, di aggiornare la campagna. Se utilizzi la formazione automatica, puoi comunque creare manualmente nuove versioni della soluzione.
+ Il tuo ruolo di servizio Amazon Personalize deve avere l'autorizzazione ad accedere al tuo bucket Amazon S3 con l'elenco di utenti da eliminare. Ha bisogno di autorizzazioni `GetObject` e `ListBucket` autorizzazioni per il bucket e il suo contenuto. Queste autorizzazioni sono le stesse dell'importazione dei dati. Per informazioni sulla concessione di autorizzazioni ed esempi di policy, consulta. [Offrire ad Amazon Personalize l'accesso alle risorse di Amazon S3](granting-personalize-s3-access.md)
+ Non puoi usare la tua AWS Key Management Service chiave nel bucket Amazon S3 che memorizza l'elenco di ID utente degli utenti da eliminare.
+ Se un elemento appare solo nel set di dati sulle interazioni tra oggetti e solo gli utenti che stai eliminando hanno interagito con questo elemento, questo elemento non verrà più visualizzato nei consigli.
## Preparazione di un elenco di utenti da eliminare
Prima di eliminare utenti da Amazon Personalize, devi preparare un elenco di utenti da eliminare in un file CSV e caricarlo su Amazon S3.
**Per preparare l'elenco di utenti da eliminare e caricare**
1. Crea un file CSV che elenchi gli ID utente degli utenti da eliminare. Di seguito viene illustrato come deve essere formattato il file CSV.
```
USER_ID
abc
2a
5basc
ab35
123f
a55d
0v22
441fa
efg
```
1. Carica il tuo file CSV in un bucket Amazon Simple Storage Service (Amazon S3). Per ulteriori informazioni sul caricamento di file su Amazon S3, [consulta Caricamento di file e cartelle tramite Drag and Drop](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) nella Guida per l'utente di Amazon Simple Storage Service.
1. Consenti ad Amazon Personalize di accedere al tuo bucket e al tuo file CSV. Amazon Personalize deve essere autorizzato a eseguire `ListBucket` le azioni `GetObject` and sul bucket e sul suo contenuto. Queste autorizzazioni sono le stesse dell'importazione di dati. Per informazioni sulla concessione di autorizzazioni ed esempi di policy, consulta. [Offrire ad Amazon Personalize l'accesso alle risorse di Amazon S3](granting-personalize-s3-access.md)
## Creazione di un processo di eliminazione dei dati
Al termine[Preparazione di un elenco di utenti da eliminare](#prepare-deletion-input-file), sei pronto per eliminare gli utenti con un processo di eliminazione dei dati.
Un *processo di eliminazione dei dati* è un processo in batch che elimina gli utenti e i relativi dati dai modelli e dai set di dati in un gruppo di set di dati. Dopo aver eliminato gli utenti, Amazon Personalize non si basa più sui loro dati e non li considera più durante la generazione di segmenti di utenti.
Quando crei un processo di eliminazione dei dati, specifichi la posizione Amazon S3 dell'elenco di utenti da eliminare.
+ Se i dati sono in un unico file, utilizza la seguente sintassi per la posizione Amazon S3:
**s3://amzn-s3-demo-bucket//.csv**
+ Se i tuoi file CSV si trovano in una cartella del tuo bucket Amazon S3, puoi specificare il percorso della cartella. Con un processo di eliminazione dei dati, Amazon Personalize utilizza tutti i file con estensione nella cartella e in qualsiasi sottocartella. `.csv` Ignora i file di qualsiasi altro tipo. Utilizzate la seguente sintassi con una `/` dopo il nome della cartella:
**s3://amzn-s3-demo-bucket//**
Il ruolo che utilizzi deve avere l'autorizzazione per eseguire le `ListBucket` azioni `GetObject` and sul tuo bucket Amazon S3 e sul suo contenuto. Per informazioni sulla concessione di autorizzazioni ed esempi di policy, consulta. [Offrire ad Amazon Personalize l'accesso alle risorse di Amazon S3](granting-personalize-s3-access.md)
Puoi creare un processo di eliminazione dei dati con la console Amazon Personalize, il AWS Command Line Interface (AWS CLI) o. AWS SDKs
### Creazione di un processo di eliminazione dei dati (console)
Per eliminare utenti con la console Amazon Personalize, crea un processo di eliminazione dei dati con un nome, il ruolo del servizio IAM e la posizione Amazon S3 dei tuoi dati.
**Per eliminare i record (console)**
1. Apri la console Amazon Personalize a [https://console.aws.amazon.com/personalize/casa](https://console.aws.amazon.com/personalize/home) e accedi al tuo account.
1. Nella pagina dei **gruppi di set** di dati, scegli il tuo gruppo di set di dati. **Viene visualizzata la panoramica del gruppo di set di dati.**
1. Nel riquadro di navigazione, scegli **Set di dati**.
1. In Processi di **eliminazione dei dati**, scegli **Crea lavoro**.
1. In **Dettagli del lavoro**, assegna un nome al lavoro.
1. In **S3 Input source**, per **S3 Location, specifica la posizione** Amazon S3 del file CSV che memorizza l'elenco degli ID utente degli utenti da eliminare. Hai preparato questo file in. [Preparazione di un elenco di utenti da eliminare](#prepare-deletion-input-file)
1. Nel **ruolo IAM**, scegli di creare un nuovo ruolo o di utilizzarne uno esistente. Se hai completato i prerequisiti per creare un ruolo per Amazon Personalize e hai concesso a questo ruolo l'accesso al tuo bucket Amazon S3, **scegli Usa un ruolo di servizio esistente** e specifica il ruolo in cui hai creato. [Creazione di un ruolo IAM per Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions)
Il ruolo che utilizzi deve avere l'autorizzazione per eseguire le `ListBucket` azioni `GetObject` and sul tuo bucket Amazon S3 e sul suo contenuto. Queste autorizzazioni sono le stesse dell'importazione di dati. Per informazioni sulla concessione di autorizzazioni ed esempi di policy, consulta. [Offrire ad Amazon Personalize l'accesso alle risorse di Amazon S3](granting-personalize-s3-access.md)
1. Per i **tag**, aggiungi facoltativamente qualsiasi tag. Per ulteriori informazioni sull'etichettatura delle risorse Amazon Personalize, consulta. [Etichettare le risorse di Amazon Personalize](tagging-resources.md)
1. Scegli **Crea processo**. Il processo viene avviato e viene visualizzata la pagina dei dettagli.
Dopo aver creato un lavoro, è necessario circa un giorno per eliminare i dati degli utenti dai set di dati e dai modelli. Fino al completamento del processo, Amazon Personalize continua a utilizzare i dati durante la formazione. E gli utenti potrebbero apparire in segmenti di utenti.
L'eliminazione dei dati è completa quando lo stato viene visualizzato come COMPLETATO. Se il processo fallisce per qualsiasi motivo, ti consigliamo di creare un altro processo di eliminazione dei dati. Al termine di un processo, assicurati di aggiornare tutte le risorse personalizzate. Assicurati di creare una nuova versione della soluzione e, se necessario, di aggiornare la campagna. Se utilizzi la formazione automatica, puoi comunque creare manualmente nuove versioni della soluzione.
### Creazione di un processo di eliminazione dei dati (AWS CLI)
Per eliminare utenti con AWS CLI, usa il `create-data-deletion-job` comando. Questo comando utilizza l'operazione CreateDataDeletion API. Il codice seguente mostra come creare un processo di eliminazione dei dati. Per utilizzare il codice, aggiornalo per specificare il nome del job, il ruolo IAM in [Creazione di un ruolo IAM per Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions) cui hai creato e la posizione Amazon S3 dei tuoi dati. Hai preparato questo file in[Preparazione di un elenco di utenti da eliminare](#prepare-deletion-input-file).
```
aws personalize create-data-deletion-job \
--job-name deletion job name \
--dataset-group-arn dataset group ARN \
--data-source dataLocation=s3://amzn-s3-demo-bucket/filename.csv \
--role-arn roleArn
```
Dopo aver creato un lavoro, è necessario circa un giorno per eliminare i dati degli utenti da set di dati e modelli. Fino al completamento del processo, Amazon Personalize continua a utilizzare i dati durante la formazione. E gli utenti potrebbero apparire in segmenti di utenti.
Il lavoro è completo quando lo stato è COMPLETATO. Controllate lo stato utilizzando il `describe-data-deletion-job` comando e specificate l'ARN del job di eliminazione dei dati. Per ulteriori informazioni sul funzionamento dell'API, vedere[DescribeDataDeletionJob](API_DescribeDataDeletionJob.md). Per visualizzare una cronologia dei processi di eliminazione dei dati ordinati per ora di creazione, utilizza l'operazione [ListDataDeletionJobs](API_ListDataDeletionJobs.md) API.
Se il processo fallisce per qualsiasi motivo, ti consigliamo di creare un altro processo di eliminazione dei dati. Al termine di un processo, assicurati di aggiornare tutte le risorse personalizzate. Assicurati di creare una nuova versione della soluzione e, se necessario, di aggiornare la campagna. Se utilizzi la formazione automatica, puoi comunque creare manualmente nuove versioni della soluzione.
### Creazione di un processo di eliminazione dei dati (AWS SDKs)
Per eliminare gli utenti con AWS SDKs, utilizza l'operazione [CreateDataDeletionJob](API_CreateDataDeletionJob.md) API. Il codice seguente mostra come creare un processo di eliminazione dei dati. Per utilizzare il codice, aggiornalo per specificare il nome del job, il ruolo IAM in [Creazione di un ruolo IAM per Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions) cui hai creato e la posizione Amazon S3 dei tuoi dati. Hai preparato questo file in[Preparazione di un elenco di utenti da eliminare](#prepare-deletion-input-file).
```
import boto3
personalize = boto3.client('personalize')
response = personalize.create_data_deletion_job(
jobName = 'Deletion job name',
datasetGroupArn = 'Dataset Group ARN',
dataSource = {'dataLocation':'s3://amzn-s3-demo-bucket/file.csv'},
roleArn = 'role_arn'
)
deletion_job_arn = response['dataDeletionJobArn']
print ('Deletion Job arn: ' + deletion_job_arn)
description = personalize.describe_data_deletion_job(
dataDeletionJobArn = deletion_job_arn)['dataDeletionJob']
print('Name: ' + description['jobName'])
print('ARN: ' + description['dataDeletionJobArn'])
print('Status: ' + description['status'])
```
Dopo aver creato un lavoro, è necessario circa un giorno per eliminare i dati degli utenti da set di dati e modelli. Fino al completamento del processo, Amazon Personalize continua a utilizzare i dati durante la formazione. E gli utenti potrebbero apparire in segmenti di utenti.
Il lavoro è completo quando lo stato è COMPLETATO. Controllate lo stato utilizzando l'[DescribeDataDeletionJob](API_DescribeDataDeletionJob.md)operazione e specificate l'ARN del processo di eliminazione dei dati. Per visualizzare una cronologia dei processi di eliminazione dei dati ordinati per ora di creazione, utilizza l'operazione [ListDataDeletionJobs](API_ListDataDeletionJobs.md) API.
Se il processo fallisce per qualsiasi motivo, ti consigliamo di creare un altro processo di eliminazione dei dati. Al termine di un processo, assicurati di aggiornare tutte le risorse personalizzate. Assicurati di creare una nuova versione della soluzione e, se necessario, di aggiornare la campagna. Se utilizzi la formazione automatica, puoi comunque creare manualmente nuove versioni della soluzione.
# Eliminazione di un set di dati per eliminare tutti i relativi dati
Per eliminare tutti i dati in un set di dati, si elimina il set di dati. Puoi eliminare un set di dati con la console Amazon Personalize AWS Command Line Interface ,AWS CLI() o. AWS SDKs Prima di eliminare un set di dati, tieni presente quanto segue:
+ È necessario eliminare tutti i filtri prima di eliminare qualsiasi set di dati.
+ Se hai creato un tracker di eventi, devi eliminarlo prima di eliminare un set di dati sulle interazioni degli elementi.
+ Se hai creato un'attribuzione metrica che fa riferimento al set di dati, devi prima eliminare l'attribuzione della metrica.
+ Se utilizzi i casi d'uso User-Personalization-v 2, User-Personalization o Next-Best-Action Recipes o *Top picks e Recommended for you**, l'eliminazione di un set di dati interrompe gli* aggiornamenti automatici per tutte le versioni o i suggerimenti della soluzione associata.
+ Nessun `DatasetImportJob` associato può essere nello stato CREATE PENDING o IN PROGRESS.
+ Nessun associato `BatchInferenceJob` o `BatchSegmentJob` può avere lo stato CREATE PENDING o IN PROGRESS.
+ Nessun associato`Recommender`, `SolutionVersion` può avere lo stato CREATE PENDING o IN PROGRESS.
+ Nessun associato `Campaign` può avere lo stato CREATE PENDING o IN PROGRESS o ACTIVE.
**Topics**
+ [Eliminazione di un set di dati (console)](#delete-dataset-console)
+ [Eliminazione di un set di dati ()AWS CLI](#delete-dataset-cli)
+ [Eliminazione di un set di dati ()AWS SDKs](#delete-dataset-sdk)
## Eliminazione di un set di dati (console)
Per eliminare un set di dati con la console Amazon Personalize, vai alla pagina dei dettagli del set di dati e scegli elimina.
**Come eliminare un set di dati**
1. [Apri la console Amazon Personalize a casahttps://console.aws.amazon.com/personalize/.](https://console.aws.amazon.com/personalize/home)
1. Nel riquadro di navigazione, scegli Gruppi di **set** di dati.
1. Nella pagina **Gruppi di set** di dati, scegli il tuo gruppo di set di dati.
1. **Nel riquadro di navigazione, scegli Datasets.**
1. Scegli il set di dati per aprire la relativa pagina dei dettagli.
1. Nella pagina dei dettagli del set di dati, scegli **Elimina** e conferma l'eliminazione del set di dati.
## Eliminazione di un set di dati ()AWS CLI
Il codice seguente mostra come eliminare un set di dati con l'operazione AWS CLI and. [DeleteDataset](API_DeleteDataset.md)
```
aws personalize delete-dataset --dataset-arn dataset-arn
```
## Eliminazione di un set di dati ()AWS SDKs
Il codice seguente mostra come eliminare un set di dati con l'operazione AWS SDKs and. [DeleteDataset](API_DeleteDataset.md)
------
#### [ SDK for Python (Boto3) ]
```
import boto3
personalize = boto3.client('personalize')
response = personalize.delete_dataset(
datasetArn = 'dataset ARN'
)
```
------
#### [ SDK for Java 2.x ]
```
public static void deleteDataset(PersonalizeClient personalizeClient,
String datasetArn) {
try {
DeleteDatasetRequest deleteRequest = DeleteDatasetRequest.builder()
.datasetArn(datasetArn)
.build();
int responseCode = personalizeClient.deleteDataset(deleteRequest).sdkHttpResponse().statusCode();
System.out.println(responseCode);
} catch (PersonalizeException e) {
System.out.println(e.awsErrorDetails().errorMessage());
}
}
```
------