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。
# Amazon Personalize 的常見問答集
以下是與在 Amazon Personalize 中匯入資料、訓練、模型部署、建議和篩選條件相關的常見問題解答。
如需更多問題和答案，請參閱 [Amazon Personalize 範例儲存庫中的 Amazon Personalize Cheat Sheet](https://github.com/aws-samples/amazon-personalize-samples/blob/master/PersonalizeCheatSheet2.0.md)。 [https://github.com/aws-samples/amazon-personalize-samples](https://github.com/aws-samples/amazon-personalize-samples)
**Topics**
+ [資料匯入和管理](#data-import-questions)
+ [建立自訂解決方案和解決方案版本](#training-questions)
+ [模型部署 （自訂行銷活動）](#deployment-questions)
+ [建議](#recommendations-questions)
+ [篩選建議](#filters-questions)
## 資料匯入和管理
*我的大量資料應該採用哪種格式？*
您的大量資料必須是逗號分隔值 (CSV) 格式。CSV 檔案的第一列必須包含資料欄標頭。您 CSV 檔案中的欄標頭需要對應至結構描述，才能建立資料集。如果您的資料包含任何非 ASCII 編碼字元，您的 CSV 檔案必須以 UTF-8 格式編碼。請勿以引號 (") 括住標頭。 `TIMESTAMP`和 `CREATION_TIMESTAMP` 資料必須是 *UNIX epoch* 時間格式。如需時間戳記資料的詳細資訊，請參閱 [時間戳記資料](interactions-datasets.md#timestamp-data)。如需結構描述的相關資訊，請參閱 [為 Amazon Personalize 結構描述建立結構描述 JSON 檔案](how-it-works-dataset-schema.md)。
如需完整的資料格式指導方針，請參閱 [準備 Amazon Personalize 的訓練資料](preparing-training-data.md)。如果您不確定如何格式化資料，可以使用 Amazon SageMaker AI Data Wrangler (Data Wrangler) 來準備資料。如需詳細資訊，請參閱[使用 Amazon SageMaker AI Data Wrangler 準備和匯入大量資料](preparing-importing-with-data-wrangler.md)。
*我需要多少訓練資料？*
對於所有使用案例 （網域資料集群組） 和自訂配方，您的互動資料必須具有下列項目：
+ 至少 1000 個項目互動記錄來自與目錄中項目互動的使用者。這些互動可以來自大量匯入、串流事件或兩者。
+ 至少 25 個唯一使用者 IDs，每個使用者至少有兩個項目互動。
對於品質建議，我們建議您從至少 1，000 個使用者至少有 50，000 個項目互動，每個使用者有兩個或更多項目互動。
您可以從空的項目互動資料集開始，並在記錄足夠的資料時，僅使用新的記錄事件建立建議者 （網域資料集群組） 或自訂解決方案版本。有些配方和使用案例可能有額外的資料需求。如需使用案例需求的資訊，請參閱 [選擇使用案例](domain-use-cases.md)。如需配方需求的資訊，請參閱 [選擇配方](working-with-predefined-recipes.md)。
*如何更新項目或使用者的屬性？*
使用 Amazon Personalize 主控台或 [PutItems](API_UBS_PutItems.md)或 [PutUsers](API_UBS_PutUsers.md)操作來匯入具有相同項目 ID 但具有修改屬性的項目或使用者。
*如何刪除項目或使用者？*
Amazon Personalize 不支援刪除特定項目或使用者。若要確保項目或使用者不會顯示在建議中，請使用篩選條件排除項目。如需詳細資訊，請參閱[篩選建議和使用者客群](filter.md)。
*如何刪除結構描述？*
您只能使用 [DeleteSchema](API_DeleteSchema.md)操作刪除結構描述。您無法使用 Amazon Personalize 主控台刪除結構描述。
## 建立自訂解決方案和解決方案版本
*我應該使用什麼配方？*
您使用的 Amazon Personalize 配方取決於您的使用案例。如需比對使用案例與配方的資訊，請參閱 [選擇配方](working-with-predefined-recipes.md)。[Amazon Personalize Cheat Sheet](https://github.com/aws-samples/amazon-personalize-samples/blob/master/PersonalizeCheatSheet2.0.md) 也包含使用案例和配方資訊。
*我應該多久訓練一次？*
我們建議您使用至少每週訓練頻率的自動訓練。自動訓練可讓您更輕鬆地維持建議相關性。您的訓練頻率取決於您的業務需求、您使用的配方，以及匯入資料的頻率。如需詳細資訊，請參閱[設定自動訓練](solution-config-auto-training.md)。如需維護相關性的資訊，請參閱 [維持建議相關性](maintaining-relevance.md)。
*我應該使用 AutoML 嗎？*
否，我們建議您將使用案例與不同的 Amazon Personalize 配方配對，然後選擇配方。如需比對使用案例與配方的資訊，請參閱 [選擇配方](working-with-predefined-recipes.md)。
## 模型部署 （自訂行銷活動）
*我應該為行銷活動的 minProvisionedTPS 設定什麼？ *
較高的 `minProvisionedTPS`會增加您的成本。我們建議從 1 開始 `minProvisionedTPS`（預設值）。使用 Amazon CloudWatch 指標追蹤您的用量，並視需要增加 `minProvisionedTPS`。
*如何監控行銷活動的成本？*
Amazon Personalize Monitor 專案為 Amazon Personalize 行銷活動提供 CloudWatch 儀表板、自訂指標、使用率警示和成本最佳化功能。請參閱 [Amazon Personalize 範例儲存庫中的 Amazon Personalize Monitor](https://github.com/aws-samples/amazon-personalize-monitor)。 [https://github.com/aws-samples/amazon-personalize-samples](https://github.com/aws-samples/amazon-personalize-samples)
*如何設定行銷活動的最大交易輸送量？*
您只能設定行銷活動的最低**輸送量。當您建立 Amazon Personalize 行銷活動時，您可以指定專用交易容量，為您的應用程式使用者建立即時建議。如果您的 TPS 增加超過 `minProvisionedTPS`，Amazon Personalize 會自動擴展和縮減佈建的容量，但絕不會低於 `minProvisionedTPS`。如需詳細資訊，請參閱[每秒佈建交易數下限和自動調整規模](campaigns.md#min-tps-auto-scaling)。
## 建議
*如何判斷 Amazon Personalize 模型是否正在產生品質建議？*
使用離線和線上指標 （請參閱[使用指標評估 Amazon Personalize 解決方案版本](working-with-training-metrics.md)) 和線上測試 （例如 A/B 測試） 來評估解決方案版本的效能。如需 A/B 測試的詳細資訊，請參閱 [使用 A/B 測試測量建議影響](ab-testing-recommendations.md)。
*如何刪除批次推論任務，為什麼其狀態為「作用中」？*
您無法刪除批次推論任務。當批次推論任務的狀態為*作用中*時，任務即完成。您可以在輸出 Amazon S3 儲存貯體或資料夾中存取您的建議。一旦任務完成，批次推論任務就不會產生額外的成本。不過，您可能會從其他 服務產生額外費用，例如 Amazon S3 的輸入和輸出資料儲存。
*為什麼我的 SIMS 支援的行銷活動建議以中繼資料為基礎的不相似項目？*
SIMS 使用您的項目互動資料集來判斷相似性；而非顏色或價格等項目中繼資料。SIMS 會在互動資料集的使用者歷史記錄中識別項目的並發性，以建議類似的項目。如需詳細資訊，請參閱[SIMS 配方](native-recipe-sims.md)。
*我可以從單一 GetRecommendations API 操作取得超過 500 個項目嗎？*
500 是您可以在單一 中擷取的項目數量上限[GetRecommendations](API_RS_GetRecommendations.md)。您無法增加此值。
## 篩選建議
*為什麼我的建議未如預期進行篩選？*
發生這種情況的原因有很多：
+ 篩選條件表達式的格式或語法可能有問題。如需正確格式化篩選條件表達式的範例，請參閱 [篩選條件表達式範例](filter-expression-examples.md)。
+ Amazon Personalize 會考慮每個事件類型每個使用者最多 100 個最新的互動。這是可調整的配額。您可以使用 [Service Quotas 主控台](https://console.aws.amazon.com/servicequotas/)請求提高配額。如果您三個月未匯入使用者的項目互動，您的篩選條件不會再考慮使用者的歷史資料。若要考慮此資料，您必須再次匯入使用者的整個事件歷史記錄。
如需詳細資訊，請參閱[篩選建議和使用者客群](filter.md)。
*如何從建議中移除已購買的項目？*
對於 ECOMMERCE 網域資料集群組，如果您使用 [為您推薦](ECOMMERCE-use-cases.md#recommended-for-you-use-case)或 [檢視 X 的客戶也會檢視](ECOMMERCE-use-cases.md#customers-also-viewed-use-case)使用案例建立推薦者，Amazon Personalize 會根據您指定的 userId 和`Purchase`事件自動篩選使用者購買的項目。
對於其他網域資料集群組使用案例或自訂資源，請使用篩選條件移除購買的項目。將`Purchased`事件類型屬性新增至您的資料、使用 `PutItems`操作記錄*購買*事件，以及建立從建議中移除購買項目的篩選條件。例如：
```
EXCLUDE ItemID WHERE Interactions.EVENT_TYPE IN ("purchased")
```
如需詳細資訊，請參閱[篩選建議和使用者客群](filter.md)。