處理資料並將其匯入 Amazon Personalize - Amazon Personalize
處理資料將資料匯入 Amazon Personalize

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

處理資料並將其匯入 Amazon Personalize

完成資料分析和轉換後，您就可以進行處理並將其匯入 Amazon Personalize。

  • 處理資料 – 處理資料會將轉換套用至整個資料集，並將其輸出至您指定的目的地。在此情況下，您會指定 Amazon S3 儲存貯體。

  • 將資料匯入 Amazon Personalize – 若要將處理的資料匯入 Amazon Personalize，請執行 SageMaker AI Studio Classic 中提供的 Jupyter 筆記本。此筆記本會建立您的 Amazon Personalize 資料集，並將您的資料匯入其中。

處理資料

將資料匯入 Amazon Personalize 之前，您必須將轉換套用至整個資料集，並將其輸出至 Amazon S3 儲存貯體。若要這樣做，您可以建立目的地節點，並將目的地設定為 Amazon S3 儲存貯體，然後啟動轉換的處理任務。

如需指定目的地和啟動程序任務step-by-step說明，請參閱使用 Amazon SageMaker AI Data Wrangler 按幾下啟動處理任務。新增目的地時，請選擇 Amazon S3。當您將已處理的資料匯入 Amazon Personalize 時，您將使用此位置。

完成資料處理後，您就可以將資料從 Amazon S3 儲存貯體匯入 Amazon Personalize。

將資料匯入 Amazon Personalize

處理資料之後，您就可以將其匯入 Amazon Personalize。若要將處理的資料匯入 Amazon Personalize，請執行 SageMaker AI Studio Classic 中提供的 Jupyter 筆記本。此筆記本會建立您的 Amazon Personalize 資料集，並將您的資料匯入其中。

將已處理的資料匯入 Amazon Personalize

  1. 針對您要匯出的轉換，選擇匯出至 ，然後選擇 Amazon Personalize （透過 Jupyter 筆記本）。

  2. 修改筆記本以指定您用作處理任務資料目的地的 Amazon S3 儲存貯體。選擇性地為您的資料集群組指定網域。根據預設，筆記本會建立自訂資料集群組。

  3. 檢閱建立結構描述的筆記本儲存格。在執行儲存格之前，請確認結構描述欄位具有預期的類型和屬性。

    • 確認支援 null 資料的欄位已null列在類型清單中。下列範例示範如何null為 欄位新增 。

      {
  "name": "GENDER",
  "type": [
    "null",
    "string"
  ],
  "categorical": true
}

    • 確認分類欄位的分類屬性設為 true。下列範例示範如何標記欄位分類。

      {
          "name": "SUBSCRIPTION_MODEL",
          "type": "string",
          "categorical": true
}

    • 確認文字欄位的文字屬性設為 true。下列範例示範如何將欄位標記為文字。

      {
      "name": "DESCRIPTION",
      "type": [
        "null",
        "string"
      ],
      "textual": true
}

  4. 執行筆記本以建立結構描述、建立資料集，並將您的資料匯入 Amazon Personalize 資料集。您可以像在 SageMaker AI Studio Classic 之外執行筆記本一樣執行筆記本。如需執行 Jupyter 筆記本的資訊，請參閱執行程式碼。如需 SageMaker AI Studio Classic 中筆記本的資訊，請參閱《Amazon SageMaker AI 開發人員指南》中的使用 Amazon SageMaker AI 筆記本。 Amazon SageMaker

    完成筆記本後，如果您匯入了互動資料，您就可以建立推薦者或自訂資源。或者，您可以使用項目資料集或使用者資料集重複此程序。