Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Ein Lookalike-Segment erstellen
<a name="create-ml-segment-create"></a>

**Anmerkung**  
Sie können nur einen Trainingsdatensatz zur Verwendung in einem Clean Rooms ML-Lookalike-Modell bereitstellen, dessen Daten in Amazon S3 gespeichert sind. Sie können jedoch die Ausgangsdaten für ein Lookalike-Modell mithilfe von SQL bereitstellen, das auf Daten läuft, die in einer beliebigen unterstützten Datenquelle gespeichert sind. 

Ein Lookalike-Segment ist eine Teilmenge der Trainingsdaten, die den Ausgangsdaten am ähnlichsten ist.

**Um ein Lookalike-Segment zu erstellen AWS Clean Rooms**

1. Melden Sie sich bei der an AWS-Managementkonsole und öffnen Sie die [AWS Clean Rooms Konsole](https://console.aws.amazon.com/cleanrooms/home) mit Ihrem AWS-Konto (falls Sie dies noch nicht getan haben).

1. Wählen Sie im linken Navigationsbereich **Collaborations** aus.

1. Wählen Sie auf der Registerkarte **Mit aktiver Mitgliedschaft** eine Kollaboration aus.

1. Wählen Sie auf der Registerkarte **ML-Modelle** die Option **Lookalike-Segment erstellen aus.**

1. Wählen Sie auf der Seite **Lookalike-Segment erstellen** unter Zugeordnetes **konfiguriertes Lookalike-Modell das zugehörige konfigurierte Lookalike-Modell** aus, das für dieses Lookalike-Segment verwendet werden soll. 

   

1. ****Geben **Sie für Details zum Lookalike-Segment** einen Namen und optional eine Beschreibung ein.****

   

1. Wählen Sie für **Seed-Profile** Ihre **Seed-Methode** aus, indem Sie eine Option auswählen und dann die empfohlene Maßnahme ergreifen.    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/clean-rooms/latest/userguide/create-ml-segment-create.html)

1. Wählen Sie den **Worker-Typ** aus, der bei der Erstellung dieser Datenquelle verwendet werden soll. Der Standard-Worker-Typ ist **CR.1X.** Geben Sie die **Anzahl der zu verwendenden Worker** an. Die Standardeinstellung ist Arbeiter Nummer **16.** So geben Sie **Spark-Eigenschaften** an:

   1. Erweitern Sie **Spark-Eigenschaften**.

   1. Wählen Sie **Spark-Eigenschaften hinzufügen**.

   1. Wählen Sie im Dialogfeld „**Spark-Eigenschaften**“ einen **Eigenschaftsnamen** aus der Dropdownliste aus und geben Sie einen **Wert** ein.

   Die folgende Tabelle enthält eine Definition für jede Eigenschaft.

   Weitere Informationen zu Spark-Eigenschaften finden Sie unter [Spark-Eigenschaften](https://spark.apache.org/docs/latest/configuration.html#spark-properties) in der Apache Spark-Dokumentation.     
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/clean-rooms/latest/userguide/create-ml-segment-create.html)

1. Wählen Sie für **Dienstzugriff** den **Namen der vorhandenen Servicerolle** aus, der für den Zugriff auf diese Tabelle verwendet werden soll.

1. Wenn Sie **Tags** für den Trainingsdatensatz aktivieren möchten, wählen Sie **Neues Tag hinzufügen** und geben Sie dann das **Schlüssel** - und **Wertepaar** ein. 

1. Wählen Sie **Lookalike-Segment erstellen aus.** 

Die entsprechende API-Aktion finden Sie unter [StartAudienceGenerationJob](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_StartAudienceGenerationJob.html).