기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon Personalize 도메인 추천자를 생성할 때 사용되는 열 구성
<a name="create-recommender-configure-columns"></a>

추천자를 생성할 경우 추천자를 지원하는 모델을 학습시킬 때 Amazon Personalize가 고려하는 열을 수정할 수 있습니다.

 이를 통해 다양한 교육 데이터 조합을 실험해 볼 수 있습니다. 또는 중요한 데이터가 없는 열을 제외할 수도 있습니다. 예를 들어, 추천을 필터링하는 데만 사용하려는 열이 있을 수 있습니다. 이 열을 교육에서 제외할 수 있으며, Personalize는 필터링할 때만 이 열을 고려합니다.

EVENT\_TYPE 열은 제외할 수 없습니다. 기본 설정으로 Personalize는 교육 시 사용할 수 있는 모든 열을 사용합니다. 다음 데이터는 항상 학습에서 제외됩니다.
+ 부울 데이터 유형이 있는 열
+ [노출 데이터](interactions-datasets.md#interactions-impressions-data)
+ 범주 또는 텍스트가 아닌 사용자 지정 문자열 필드

 학습에는 노출 데이터를 포함할 수 없지만 사용 사례 또는 레시피가 이를 사용하는 경우 Amazon Personalize는 추천 사항을 제공할 때 노출 데이터를 사용하여 탐색을 안내합니다.

다음 코드 샘플은 AWS CLI 또는 AWS SDKs로 훈련할 때 사용되는 열을 구성하는 방법을 보여줍니다. Amazon Personalize 콘솔을 사용하여 이렇게 하려면 추천자를 생성할 때 **고급 구성** 페이지에서 사용할 열을 지정합니다. 자세한 내용은 [추천 생성(콘솔)](creating-domain-recommenders.md#creating-recommenders-console) 단원을 참조하십시오.

## 교육 시(AWS CLI) 사용되는 열 구성
<a name="domain-config-columns-cli"></a>

학습에서 열을 제외하려면 추천 구성의 일부로 `trainingDataConfig`의 `excludedDatasetColumns`객체를 제공하세요. 객체의 각 키에 대해 데이터세트 유형을 제공하세요. 각 값에 대해 제외할 열 목록을 제공하세요. 자세한 내용은 [Amazon Personalize 도메인 추천자를 생성할 때 사용되는 열 구성](#create-recommender-configure-columns) 단원을 참조하십시오.

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

## 훈련 시 사용되는 열 구성(AWS SDKs)
<a name="domain-configure-columns-sdk"></a>

학습에서 열을 제외하려면 추천 구성의 일부로 `trainingDataConfig`의 `excludedDatasetColumns`객체를 제공하세요. 각 키에 대해 데이터세트 유형을 제공하세요. 각 값에 대해 제외할 열 목록을 제공하세요. 다음 코드는 추천을 생성할 때 교육에서 열을 제외하는 방법을 보여줍니다. 자세한 내용은 [Amazon Personalize 도메인 추천자를 생성할 때 사용되는 열 구성](#create-recommender-configure-columns) 단원을 참조하십시오.

------
#### [ 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();
```

------