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。

# 訓練後更新資料集中的資料
<a name="updating-datasets"></a>

 隨著目錄的成長，請將其他訓練資料匯入資料集。這有助於維持和改善 Amazon Personalize 建議的相關性。您可以使用大量或個別資料匯入操作來匯入更多資料。
+ 透過個別匯入，Amazon Personalize 會將新記錄附加至資料集。若要更新個別項目、使用者或動作，您可以匯入具有相同 ID 但具有修改屬性的記錄。每個個別匯入操作最多可以匯入 10 筆記錄。

  如需個別匯入記錄的詳細資訊，請參閱 [將個別記錄匯入 Amazon Personalize 資料集](incremental-data-updates.md)。如需記錄即時事件的資訊，請參閱 [記錄即時事件以影響建議](recording-events.md)。
+ 透過大量匯入，您可以透過[建立另一個匯入任務](bulk-data-import-step.md)來新增或取代大量資料。根據預設，資料集匯入任務會取代您大量匯入的資料集中的任何現有資料。您可以改為變更任務的[匯入模式](bulk-data-import-step.md#bulk-import-modes)，將新記錄附加至現有資料。

  若要使用資料集匯入任務將資料附加至項目互動資料集或動作互動資料集，您必須至少有 1000 個新的項目互動或動作互動記錄。在完成大量匯入的 20 分鐘內，Amazon Personalize 會使用新的大量資料更新您在資料集群組中建立的任何篩選條件。此更新可讓 Amazon Personalize 在篩選使用者的建議時使用最新的資料。

 建立項目或使用者資料集之後，您可以將其結構描述取代為新的或現有的結構描述。如果您在建立資料集之後變更資料結構，則可以取代資料集的結構描述。例如，您可能有您希望 Amazon Personalize 在訓練期間考慮的新項目中繼資料資料欄。或者，您可能想要新增資料欄，以在篩選建議時使用。如需詳細資訊，請參閱[取代資料集的結構描述以新增資料欄](updating-dataset-schema.md)。

建立推薦者或自訂解決方案版本後，新資料如何影響建議取決於其類型、匯入方法，以及您使用的網域使用案例或自訂配方。下列各節說明新資料如何影響下一次訓練前的即時和批次建議。

**Topics**
+ [新資料如何影響即時建議](how-new-data-influences-recommendations.md)
+ [新資料如何影響批次建議 （自訂資源）](how-new-data-influences-batch-recommendations.md)