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

# 교육에 사용할 항목 상호 작용 데이터 선택
<a name="event-values-types"></a>

**중요**  
기본적으로 모든 새 솔루션은 자동 학습을 사용합니다. 자동 학습을 사용하면 솔루션이 활성화되어 있는 동안 학습 비용이 발생합니다. 불필요한 비용을 방지하기 위해 완료되면 [솔루션을 업데이트](updating-solution.md)하여 자동 학습을 끌 수 있습니다. 학습 비용에 대한 자세한 내용은 [Amazon Personalize 요금](https://aws.amazon.com/personalize/pricing/)을 참조하세요.

솔루션 버전을 생성(모델 교육)할 때 Amazon Personalize가 사용하는 항목 상호 작용 데이터 세트의 이벤트를 선택할 수 있습니다. 교육 전에 항목 상호 작용 데이터를 선택하면 관련 데이터 하위 집합만 교육에 사용하거나 노이즈를 제거하여 더 최적화된 모델을 교육할 수 있습니다. 항목 상호 작용 데이터세트에 대한 자세한 내용은 [항목 상호 작용 데이터](interactions-datasets.md) 섹션을 참조하세요.

**참고**  
User-Personalization-v2 또는 Personalized-Ranking-v2를 사용하는 경우 학습 비용은 이벤트 유형 또는 값으로 필터링하기 전에 항목 상호 작용 데이터를 기반으로 합니다. 요금에 대한 자세한 내용은 [Amazon Personalize 요금](https://aws.amazon.com/personalize/pricing/)을 참조하세요.

항목 상호 작용 데이터는 다음과 같이 선택할 수 있습니다.
+ **유형을 기준으로 레코드 선택** – 솔루션을 구성할 때 항목 상호 작용 데이터 세트의 EVENT\$1TYPE 열에 이벤트 유형이 포함되어 있는 경우 교육에 사용할 이벤트 유형을 필요에 따라 지정할 수 있습니다. 예를 들어 항목 상호 작용 데이터세트에 *구매*, *클릭* 및 *시청* 이벤트 유형이 포함되어 있고 Amazon Personalize가 *시청* 이벤트만 사용하여 모델을 학습시키도록 하려는 경우, 솔루션을 구성할 때 Amazon Personalize가 학습에 사용하는 `event type`으로 *시청* 유형을 지정하면 됩니다.

  이벤트 유형이 여러 개 있고 User-Personalization-v2 레시피 또는 Personalized-Ranking-v2 레시피를 사용하는 경우 사용자 지정 솔루션을 구성할 때 다양한 유형에 대해 서로 다른 가중치를 지정할 수 있습니다. 예를 들어 클릭 이벤트보다 구매 이벤트에 더 많은 가중치를 부여하도록 솔루션을 구성할 수 있습니다. 자세한 내용은 [이벤트 구성으로 솔루션 최적화](optimizing-solution-events-config.md) 섹션을 참조하세요.

   항목 상호 작용 데이터 세트의 EVENT\$1TYPE 열에 여러 이벤트 유형이 있고 솔루션을 구성할 때 이벤트 유형을 제공하지 않은 경우, Amazon Personalize는 유형에 관계없이 모든 항목 상호 작용 데이터를 동일한 가중치로 학습하는 데 사용합니다.
+ **유형 및 값을 기준으로 레코드 선택** – 솔루션을 구성할 때 항목 상호 작용 데이터 세트에 EVENT\$1TYPE 및 EVENT\$1VALUE 필드가 포함되어 있는 경우 특정 값을 임곗값으로 설정하여 교육에서 레코드를 제외할 수 있습니다. 예를 들어, 시청의 EVENT\$1TYPE이 포함된 이벤트의 EVENT\$1VALUE 데이터가 사용자가 시청한 동영상의 비율이고, 이벤트 값 임계값을 0.5로, 이벤트 유형을 시청으로 설정하면, Personalize는 EVENT\$1VALUE가 0.5 이상인 시청 상호작용 이벤트만 사용하여 모델을 교육합니다.******

다음 코드는 SDK for Python(Boto3)을 사용하여 비디오의 절반 이상을 시청한 `watch` 이벤트만 사용하는 솔루션을 생성하는 방법을 보여줍니다.

```
import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
    name = 'solution name',
    datasetGroupArn = 'arn:aws:personalize:region:accountId:dataset-group/datasetGroupName',
    recipeArn = 'arn:aws:personalize:::recipe/aws-user-personalization-v2',
    eventType = 'watch',
    solutionConfig = {
        "eventValueThreshold": "0.5"
    }
)

# Store the solution ARN
solution_arn = create_solution_response['solutionArn']

# Use the solution ARN to get the solution status
solution_description = personalize.describe_solution(solutionArn = solution_arn)['solution']
print('Solution status: ' + solution_description['status'])
```