Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Elección de los datos de interacciones de elementos utilizados para el entrenamiento
<a name="event-values-types"></a>

**importante**  
De forma predeterminada, todas las soluciones nuevas utilizan el entrenamiento automático. Con el entrenamiento automático, incurrirá en costos de entrenamiento mientras la solución esté activa. Para evitar costos innecesarios, cuando haya terminado, puede [actualizar la solución](updating-solution.md) para desactivar el entrenamiento automático. Para obtener información sobre los costos de entrenamiento, consulte [Precios de Amazon Personalize](https://aws.amazon.com/personalize/pricing/).

Puede elegir los eventos de un conjunto de datos de interacciones de elementos que Amazon Personalize utiliza al crear una versión de la solución (entrenamiento de un modelo). La elección de los datos de interacciones de elementos antes del entrenamiento le permite usar solo un subconjunto relevante de los datos para el entrenamiento o eliminar ruido para entrenar un modelo más optimizado. Para obtener más información sobre los conjuntos de datos de interacciones de elemento, consulte [Datos de interacciones de elementos](interactions-datasets.md).

**nota**  
Si utiliza User-Personalization-v2 o Personalized-Ranking-v2, el costo del entrenamiento se basa en los datos de interacciones de elemento antes de filtrarlos por tipo o valor de evento. Para obtener más información sobre el precio, consulte [Precios de Amazon Personalize](https://aws.amazon.com/personalize/pricing/). 

Puede elegir los datos de interacciones de elementos de la siguiente forma:
+ **Elija los registros según el tipo**: al configurar una solución, si su conjunto de datos de interacciones de elementos incluye tipos de eventos en una columna EVENT\_TYPE, puede especificar de manera opcional un tipo de evento para usarlo en el entrenamiento. Por ejemplo, si su conjunto de datos de interacciones incluye tipos de eventos *compra*, *clic* y *ver*, y desea que Amazon Personalize entrene el modelo solo para eventos *ver*, al configurar su solución, debe proporcionar *visualización* como el `event type` que Amazon Personalize debe usar en el entrenamiento. 

  Si tiene varios tipos de eventos y utiliza la receta User-Personalization-v2 o Personalized-Ranking-v2, puede especificar ponderaciones distintas para los diferentes tipos al configurar una solución personalizada. Por ejemplo, puede configurar una solución para dar más peso a los eventos de compra que a los de clic. Para obtener más información, consulte [Optimización de una solución con la configuración de eventos](optimizing-solution-events-config.md).

   Si su conjunto de datos de interacciones de elementos tiene varios tipos de eventos en una columna EVENT\_TYPE y no proporciona ningún tipo de evento al configurar la solución, Amazon Personalize utiliza todos los datos de interacciones de elementos para el entrenamiento con la misma ponderación, con independencia del tipo. 
+ **Elija los registros según el tipo y el valor**: al configurar una solución, si su conjunto de datos de interacciones de elementos incluye los campos EVENT\_TYPE y EVENT\_VALUE, puede establecer un valor específico como umbral para excluir registros del entrenamiento. Por ejemplo, si los datos EVENT\_VALUE de los eventos con un EVENT\_TYPE de *ver* son el porcentaje de un vídeo que ha visto un usuario, si establece el umbral del valor del evento en 0,5 y el tipo de evento en *ver*, *Amazon* Personalize entrena el modelo utilizando únicamente eventos de interacción ver con un EVENT\_VALUE superior o igual a 0,5. 

Los siguientes códigos muestran cómo usar el SDK para Python (Boto3) para crear una solución que use solo eventos `watch` en los que el usuario haya visto más de la mitad del vídeo.

```
import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
    name = 'solution name',
    datasetGroupArn = 'arn:aws:personalize:region:accountId:dataset-group/datasetGroupName',
    recipeArn = 'arn:aws:personalize:::recipe/aws-user-personalization-v2',
    eventType = 'watch',
    solutionConfig = {
        "eventValueThreshold": "0.5"
    }
)

# Store the solution ARN
solution_arn = create_solution_response['solutionArn']

# Use the solution ARN to get the solution status
solution_description = personalize.describe_solution(solutionArn = solution_arn)['solution']
print('Solution status: ' + solution_description['status'])
```