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.
# Erstellen Sie AWS Clean Rooms-ML-Modelle als Anbieter von Trainingsdaten
Ein *Lookalike-Modell* ist ein Modell der Daten eines Trainingsdatenanbieters, das es einem Anbieter von Ausgangsdaten ermöglicht, ein ähnliches Segment der Daten eines Trainingsdatenanbieters zu erstellen, das seinen Ausgangsdaten am ähnlichsten ist. Um ein Lookalike-Modell zu erstellen, das in einer Zusammenarbeit verwendet werden kann, müssen Sie Ihre Trainingsdaten importieren, ein Lookalike-Modell erstellen, dieses Lookalike-Modell konfigurieren und es dann einer Kollaboration zuordnen.
Um mit Lookalike-Modellen zu arbeiten, müssen zwei Parteien, ein Anbieter von Trainingsdaten und ein Anbieter von Ausgangsdaten, nacheinander zusammenarbeiten, um ihre Daten in eine Zusammenarbeit AWS Clean Rooms einzubringen. Dies ist der Workflow, den der Trainingsdatenanbieter zuerst abschließen muss:
1. Die Daten des Trainingsdatenanbieters müssen in einer AWS Glue Datenkatalogtabelle mit Interaktionen zwischen Benutzern und Elementen gespeichert werden. Die Trainingsdaten müssen mindestens eine Benutzer-ID-Spalte, eine Interaktions-ID-Spalte und eine Zeitstempelspalte enthalten.
1. Der Trainingsdatenanbieter registriert die Trainingsdaten bei AWS Clean Rooms.
1. Der Trainingsdatenanbieter erstellt ein Lookalike-Modell, das mit mehreren Startdatenanbietern gemeinsam genutzt werden kann. Das Lookalike-Modell ist ein tiefes neuronales Netzwerk, dessen Training bis zu 24 Stunden dauern kann. Es wird nicht automatisch neu trainiert und wir empfehlen, dass Sie das Modell wöchentlich neu trainieren.
1. Der Anbieter von Trainingsdaten konfiguriert das Lookalike-Modell, einschließlich der Frage, ob Relevanzkennzahlen und der Amazon S3 S3-Speicherort der Ausgabesegmente geteilt werden sollen. Der Anbieter von Trainingsdaten kann mehrere konfigurierte Lookalike-Modelle aus einem einzigen Lookalike-Modell erstellen.
1. Der Anbieter von Trainingsdaten ordnet das konfigurierte Zielgruppenmodell einer Zusammenarbeit zu, die mit einem Startdatenanbieter geteilt wird.
Nachdem der Trainingsdatenanbieter das ML-Modell erstellt hat, [kann der Seed-Datenanbieter das Lookalike-Segment erstellen und exportieren](working-with-machine-learning-sdp.md).
**Topics**
+ [Trainingsdaten importieren](create-ml-model-training-data.md)
+ [Ein Lookalike-Modell erstellen](create-ml-model-create-model.md)
+ [Konfiguration eines Lookalike-Modells](create-ml-model-configure-model.md)
+ [Zuordnen eines konfigurierten Lookalike-Modells](create-ml-model-associate-model.md)
+ [Aktualisierung eines konfigurierten Lookalike-Modells](update-ml-model-configured-model.md)
# Trainingsdaten importieren
**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.
Bevor Sie ein Lookalike-Modell erstellen, müssen Sie die AWS Glue Tabelle angeben, die die Trainingsdaten enthält. Clean Rooms ML speichert keine Kopie dieser Daten, sondern lediglich Metadaten, die den Zugriff auf die Daten ermöglichen.
**Um Trainingsdaten zu importieren AWS Clean Rooms**
1. Melde dich bei der an AWS-Managementkonsole und öffne die [AWS Clean Rooms Konsole](https://console.aws.amazon.com/cleanrooms/home) mit deinem AWS-Konto (falls du das noch nicht getan hast).
1. Wählen Sie im linken Navigationsbereich **AWS ML-Modelle** aus.
1. Wählen Sie auf der Registerkarte **Trainingsdatensätze** die Option **Trainingsdatensatz erstellen** aus.
1. Geben Sie auf der Seite **Trainingsdatensatz erstellen** für **Details zum Trainingsdatensatz** einen **Namen** und optional eine **Beschreibung** ein.
1. Wählen Sie die **Trainingsdatenquelle** aus, indem Sie die **Datenbank** und die **Tabelle**, die Sie konfigurieren möchten, aus den Dropdownlisten auswählen.
**Anmerkung**
Um zu überprüfen, ob es sich um die richtige Tabelle handelt, führen Sie einen der folgenden Schritte aus:
Wählen Sie **Anzeigen in AWS Glue**.
Aktivieren Sie **„Schema anzeigen“**, um das Schema anzuzeigen.
1. Wählen Sie für **Trainingsdetails** die **Spalten Benutzer-ID**, **Artikel-ID** und **Timestamp** aus den Drop-down-Listen aus. Die Trainingsdaten müssen diese drei Spalten enthalten. Sie können auch alle anderen Spalten auswählen, die Sie in die Trainingsdaten aufnehmen möchten.
Die Daten in der **Timestamp-Spalte** müssen im Format Unix-Epochenzeit in Sekunden vorliegen.
1. (Optional) Wenn Sie **weitere Spalten trainieren möchten**, wählen Sie den **Spaltennamen** und den **Typ** aus den Dropdownlisten aus.
1. Unter **Dienstzugriff** müssen Sie eine Servicerolle angeben, die auf Ihre Daten zugreifen kann, und einen KMS-Schlüssel angeben, falls Ihre Daten verschlüsselt sind. Wählen Sie **Neue Servicerolle erstellen und verwenden** aus. Clean Rooms ML erstellt dann automatisch eine Servicerolle und fügt die erforderlichen Berechtigungsrichtlinien hinzu. Wählen Sie **Bestehende Servicerolle verwenden** und geben Sie diese in das Feld **Servicerollenname** ein, wenn Sie über eine bestimmte Servicerolle verfügen, die Sie verwenden möchten.
Wenn Ihre Daten verschlüsselt sind, geben Sie Ihren KMS-Schlüssel in das **AWS KMS key**Feld ein oder klicken Sie auf **Erstellen, AWS KMS key um einen** neuen KMS-Schlüssel zu generieren.
1. Wenn Sie **Tags** für den Trainingsdatensatz aktivieren möchten, wählen Sie **Neues Tag hinzufügen** und geben Sie dann das ****Schlüssel-Wert-Paar**** ein.
1. Wählen Sie **Trainingsdatensatz erstellen** aus.
Die entsprechende API-Aktion finden Sie unter [CreateTrainingDataset](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateTrainingDataset.html).
# Ein Lookalike-Modell erstellen
Nachdem Sie einen Trainingsdatensatz erstellt haben, sind Sie bereit, ein Lookalike-Modell zu erstellen. Sie können viele Lookalike-Modelle aus einem einzigen Trainingsdatensatz erstellen.
Sie müssen eine Standarddatenbank in Ihrer Rolle erstellen AWS Glue Data Catalog oder die `glue:createDatabase` Berechtigung in der angegebenen Rolle angeben.
**So erstellen Sie ein Lookalike-Modell in 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 **AWS ML-Modelle** aus.
1. Wählen Sie auf der Registerkarte **Lookalike-Modelle** die Option **Lookalike-Modell erstellen aus.**
1. **Geben Sie auf der Seite **Lookalike-Modell erstellen** für **Details zum Lookalike-Modell** einen **Namen** und optional eine Beschreibung ein.**
1. Wählen Sie den **Trainingsdatensatz**, den Sie modellieren möchten, aus der Dropdownliste aus.
**Anmerkung**
Um zu überprüfen, ob es sich um den richtigen Trainingsdatensatz handelt, aktivieren Sie die Option **Details zum Trainingsdatensatz anzeigen**, um die Details anzuzeigen.
Um einen neuen Trainingsdatensatz zu erstellen, wählen Sie **Trainingsdatensatz erstellen**.
1. (Optional) Rufen Sie ein **Trainingsfenster** auf.
1. Wenn Sie benutzerdefinierte Verschlüsselungseinstellungen für das Lookalike-Modell aktivieren möchten, wählen Sie **Verschlüsselungseinstellungen anpassen** und geben Sie dann den KMS-Schlüssel ein.
1. Wenn Sie **Tags** für das Lookalike-Modell aktivieren möchten, wählen Sie **Neues Tag hinzufügen** und geben Sie dann das ****Schlüssel-Wert-Paar**** ein.
1. Wählen Sie **Lookalike-Modell erstellen aus.**
**Anmerkung**
Das Modelltraining kann mehrere Stunden bis 2 Tage dauern.
Die entsprechende API-Aktion finden Sie unter [CreateAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateAudienceModel.html).
# Konfiguration eines Lookalike-Modells
Nachdem Sie ein Lookalike-Modell erstellt haben, können Sie es für die Verwendung in einer Kollaboration konfigurieren. Sie können mehrere konfigurierte Lookalike-Modelle aus einem einzigen Lookalike-Modell erstellen.
**So konfigurieren Sie ein Lookalike-Modell in 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 **AWS ML-Modelle** aus.
1. Wählen Sie auf der Registerkarte **Konfigurierte Lookalike-Modelle** die Option **Lookalike-Modell konfigurieren aus.**
1. **Geben Sie auf der Seite **Lookalike-Modell konfigurieren** für **Details zum konfigurierten Lookalike-Modell** einen **Namen** und optional eine Beschreibung ein.**
1. Wählen Sie das **Lookalike-Modell**, das Sie konfigurieren möchten, aus der Dropdownliste aus.
**Anmerkung**
Um zu überprüfen, ob es sich um das richtige Lookalike-Modell handelt, aktivieren Sie die Option Details des **Lookalike-Modells anzeigen, um die Details** anzuzeigen.
Um ein neues Lookalike-Modell zu erstellen, wählen Sie „Lookalike-Modell **erstellen**“.
1. Wählen Sie die gewünschte **Mindestgröße für den passenden Samen** aus. Dies ist die Mindestanzahl von Benutzern in den Daten des Seed-Datenanbieters, die sich mit den Benutzern in den Trainingsdaten überschneiden. Dieser Wert muss größer als 0 sein.
1. Damit **Metriken mit anderen Mitgliedern geteilt** werden können, wählen Sie aus, ob der Seed-Datenanbieter in Ihrer Zusammenarbeit Modellmetriken, einschließlich Relevanzbewertungen, erhalten soll.
1. Geben Sie für **Zielort des Lookalike-Segments** den Amazon S3 S3-Bucket ein, in den das Lookalike-Segment exportiert wird. Dieser Bucket muss sich in derselben Region wie Ihre anderen Ressourcen befinden.
1. Wählen Sie für **Dienstzugriff** den **Namen der vorhandenen Servicerolle** aus, der für den Zugriff auf diese Tabelle verwendet werden soll.
1. Geben Sie für **die erweiterte Konfiguration** der **Partitionsgröße den Typ Zielgruppengröße** entweder als **Absolute** Zahl oder als **Prozentsatz** an.
1. Wenn Sie **Tags** für die konfigurierte Tabellenressource aktivieren möchten, wählen Sie **Neues Tag hinzufügen** und geben Sie dann das **Schlüssel** - und **Wertepaar** ein.
1. Wählen Sie **Lookalike-Modell konfigurieren aus**.
Die entsprechende API-Aktion finden Sie unter [CreateConfiguredAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateConfiguredAudienceModel.html).
# Zuordnen eines konfigurierten Lookalike-Modells
Nachdem Sie ein Lookalike-Modell konfiguriert haben, können Sie es einer Kollaboration zuordnen.
**Um ein konfiguriertes Lookalike-Modell zuzuordnen 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** unter **eady-to-useR-Lookalike-Modelle** die Option **Lookalike-Modell zuordnen aus.**
1. Gehen Sie auf der Seite **Konfiguriertes Lookalike-Modell zuordnen** für Details zur Zuordnung **konfigurierter Lookalike-Modelle** wie folgt vor:
1. Geben Sie einen **Namen** für das zugehörige konfigurierte Zielgruppenmodell ein.
1. Geben Sie eine **Beschreibung** der Tabelle ein.
Die Beschreibung hilft dabei, zwischen anderen zugehörigen konfigurierten Zielgruppenmodellen mit ähnlichen Namen zu unterscheiden.
1. Wählen Sie für **Konfiguriertes Lookalike-Modell** ein konfiguriertes Lookalike-Modell aus der Drop-down-Liste aus.
1. Wählen Sie **Associate** aus.
Die entsprechende API-Aktion finden Sie unter. [CreateConfiguredAudienceModelAssociation](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_CreateConfiguredAudienceModelAssociation.html)
# Aktualisierung eines konfigurierten Lookalike-Modells
Nachdem Sie ein konfiguriertes Lookalike-Modell zugeordnet haben, können Sie es aktualisieren, um Informationen wie den Namen, die zu teilenden Metriken oder den Amazon S3 S3-Ausgabeort zu ändern.
**So aktualisieren Sie ein zugeordnetes konfiguriertes Lookalike-Modell in 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 **AWS ML-Modelle** aus.
1. **Wählen Sie auf der Registerkarte **Konfigurierte Lookalike-Modelle** unter **Ready-to-use Lookalike-Modelle** ein konfiguriertes Lookalike-Modell aus und wählen Sie Bearbeiten aus.**
1. Gehen Sie auf der Seite **Bearbeiten** für Details zur Zuordnung **konfigurierter Lookalike-Modelle** wie folgt vor:
1. Aktualisieren Sie den **Namen** und optional die **Beschreibung**.
1. Wählen Sie das **Lookalike-Modell**, das Sie konfigurieren möchten, aus der Dropdownliste aus.
1. Wählen Sie die gewünschte **Mindestgröße für die passende Samengröße** aus. Dies ist die Mindestanzahl von Benutzern in den Daten des Seed-Datenanbieters, die sich mit den Benutzern in den Trainingsdaten überschneiden. Dieser Wert muss größer als 0 sein.
1. Damit **Metriken mit anderen Mitgliedern geteilt** werden können, wählen Sie aus, ob der Seed-Datenanbieter in Ihrer Zusammenarbeit Modellmetriken, einschließlich Relevanzbewertungen, erhalten soll.
1. Geben Sie für **Zielort des Lookalike-Segments** den Amazon S3 S3-Bucket ein, in den das Lookalike-Segment exportiert wird. Dieser Bucket muss sich in derselben Region wie Ihre anderen Ressourcen befinden.
1. Wählen Sie für **Dienstzugriff** den **Namen der vorhandenen Servicerolle** aus, der für den Zugriff auf diese Tabelle verwendet werden soll.
1. Wählen Sie **unter Erweiterte Konfiguration der Partitionsgröße** aus, wie Sie die Zielgruppen-Bin-Größen konfigurieren möchten.
1. Wählen Sie **Änderungen speichern ** aus.
Die entsprechende API-Aktion finden Sie unter [UpdateConfiguredAudienceModel](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_UpdateConfiguredAudienceModel.html).