本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 更新推荐器
<a name="updating-recommender"></a>

 创建推荐器后，您可以更新推荐器的配置：
+ 您可以更新推荐器在训练中使用的列。如果您修改训练时使用的列，则 Amazon Personalize 会自动开始对支持推荐器的模型进行全面的重新训练。更新完成后，您仍然可以从推荐器中获得建议。在更新完成之前，推荐器使用之前的配置。要跟踪此更新的状态，请使用 [DescribeRecommender](API_DescribeRecommender.md) 操作中返回的 `latestRecommenderUpdate`。如果您提供的列与创建推荐器时提供的列相同，则不会进行更新。
+  您可以更新推荐器的最低每秒建议请求数。这指定了 Amazon Personalize 预调配的基准建议请求吞吐量。高值会增加您的账单费用。我们建议从 1 开始。使用 Amazon CloudWatch 指标跟踪您的使用情况，并在必要时增加该值。有关更多信息，请参阅 [每秒最低建议请求数和自动扩缩](creating-recommenders.md#min-rrps-auto-scaling)。
+ 对于*热门精选* 和*为您推荐* 使用案例，您可以通过调整浏览相关物品的重视程度和浏览物品期限截止时间，更新浏览配置。有关浏览的信息，请参阅[选择使用案例](domain-use-cases.md)中与您的使用案例对应的部分。

您可以使用 Amazon Personalize 控制台、AWS Command Line Interface (AWS CLI) 或 AWS SDK 更新推荐器。

**Topics**
+ [更新推荐器（Amazon Personalize 控制台）](#updating-recommender-console)
+ [更新推荐器 (AWS CLI)](#update-recommender-cli)
+ [更新推荐器 (AWS SDK)](#update-recommender-sdks)

## 更新推荐器（Amazon Personalize 控制台）
<a name="updating-recommender-console"></a>

 创建推荐器后，您可以对其更新。您可以更新推荐器在训练中使用的列以及推荐器的最低每秒建议请求数。对于*热门精选* 和*为您推荐* 使用案例，您可以更新浏览配置。要使用控制台更新推荐器，请执行以下操作。

**更新推荐器的配置（控制台）**

1. 打开 Amazon Personalize 控制台（网址为 [https://console.aws.amazon.com/personalize/home](https://console.aws.amazon.com/personalize/home)），并登录您的账户。

1.  在**数据集组**页面上，选择您的域数据集组。

1. 在导航窗格中，选择**推荐器**。

1. 在**推荐器**页面上，选择要更新的推荐器。

1. 在**推荐器配置**中，选择**编辑**。

1. 更改推荐器的配置，然后选择**更新**。有关不同配置选项的信息，请参阅[创建推荐器（控制台）](creating-domain-recommenders.md#creating-recommenders-console)。

## 更新推荐器 (AWS CLI)
<a name="update-recommender-cli"></a>

要通过 AWS CLI 更新推荐器，请使用 `update-recommender` 命令。提供推荐器的 Amazon 资源名称 (ARN) 以及更新的配置。以下代码显示如何更新推荐器用于训练的列。

```
aws personalize update-recommender \
--dataset-group-arn dataset group ARN \
--recommender-config "{\"trainingDataConfig\": {\"excludedDatasetColumns\": { \"datasetType\" : [ \"column1Name\", \"column2Name\"]}}}"
```

 如果您修改训练中使用的列，则 Amazon Personalize 会自动开始对支持推荐器的模型进行全面的重新训练。更新完成后，您仍然可以从推荐器中获得建议。在更新完成之前，推荐器使用之前的配置。要跟踪此更新的状态，请使用 [DescribeRecommender](API_DescribeRecommender.md) 操作中返回的 `latestRecommenderUpdate`。

有关您可以更改的不同配置的更多信息，请参阅 [RecommenderConfig](API_RecommenderConfig.md)。

## 更新推荐器 (AWS SDK)
<a name="update-recommender-sdks"></a>

要通过 AWS 更新推荐器，请使用 [UpdateRecommender](API_UpdateRecommender.md) 操作。提供推荐器的 Amazon 资源名称 (ARN)，并指定新配置。以下代码显示如何更新推荐器用于训练的列。

------
#### [ SDK for Python (Boto3) ]

```
import boto3

personalize = boto3.client('personalize')

update_recommender_response = personalize.update_recommender(
  recommenderArn = 'dataset group ARN',
  recommenderConfig = {
    "trainingDataConfig": {
      "excludedDatasetColumns": { 
        "datasetType": ["COLUMN_A", "COLUMN_B"]
      }
    }
  }     
)
```

------
#### [ SDK for JavaScript v3 ]

```
// Get service clients and commands using ES6 syntax.
import { UpdateRecommenderCommand, PersonalizeClient } from
  "@aws-sdk/client-personalize";

// create personalizeClient
const personalizeClient = new PersonalizeClient({
  region: "REGION"
});

// set the request's parameters
export const updateRecommenderParam = {
  recommenderArn: "RECOMMENDER_ARN", /* required */
  recommenderConfig: {
    trainingDataConfig: {
      excludedDatasetColumns: {
        "DATASET_TYPE": ["COLUMN_A", "COLUMN_B"]   
      }
    }
  }
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(new UpdateRecommenderCommand(updateRecommenderParam));
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();
```

------

 如果您在 `recommenderConfig` 的 `excludedDatasetColumns` 中修改训练中使用的列，则 Amazon Personalize 会自动开始对支持推荐器的模型进行全面的重新训练。更新完成后，您仍然可以从推荐器中获得建议。在更新完成之前，推荐器使用之前的配置。要跟踪此更新的状态，请使用 [DescribeRecommender](API_DescribeRecommender.md) 操作中返回的 `latestRecommenderUpdate`。

有关您可以更改的不同配置的更多信息，请参阅 [RecommenderConfig](API_RecommenderConfig.md)。