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。

# 匯入訓練資料
<a name="create-ml-model-training-data"></a>

**注意**  
您只能提供訓練資料集，以便在具有存放在 Amazon S3 中資料的 Clean Rooms ML 外觀模型中使用。不過，您可以使用 SQL 來提供類似模型的種子資料，該 SQL 會跨存放在任何支援資料來源中的資料執行。

建立類似模型之前，您必須指定包含訓練資料的 AWS Glue 資料表。Clean Rooms ML 不會儲存此資料的複本，只是中繼資料，允許它存取資料。

**在 中匯入訓練資料 AWS Clean Rooms**

1. 使用 登入 AWS 管理主控台 並開啟[AWS Clean Rooms 主控台](https://console.aws.amazon.com/cleanrooms/home) AWS 帳戶 （如果您尚未這麼做）。

1. 在左側導覽窗格中，選擇 **AWS ML 模型**。

1. 在**訓練資料集**索引標籤上，選擇**建立訓練資料集**。

1. 在**建立訓練資料集**頁面上，針對**訓練資料集詳細資訊**，輸入**名稱**和選用**的描述**。

1. 從下拉式清單中選取您要設定的**資料庫**和**資料表**，以選擇**訓練資料來源**。
**注意**  
若要驗證這是正確的資料表，請執行下列其中一項操作：  
選擇**檢視 AWS Glue**。
開啟**檢視結構描述**以檢視結構描述。

1. 如需**訓練詳細資訊**，請從下拉式清單中選擇**使用者識別碼欄**、**項目識別碼欄**和**時間戳記欄**。訓練資料必須包含這三個資料欄。您也可以選取任何其他要包含在訓練資料中的資料欄。

   **時間戳記欄中**的資料必須採用秒格式的 Unix epoch 時間。

1. （選用） 如果您有任何**要訓練的其他資料欄**，請從下拉式清單中選擇資料**欄名稱**和**類型**。

1. 在**服務存取**中，您必須指定可存取資料的服務角色，並在資料加密時提供 KMS 金鑰。選擇**建立並使用新的服務角色**，Clean Rooms ML 會自動建立服務角色並新增必要的許可政策。如果您有要使用的特定**服務角色，請選擇使用現有的**服務角色，然後在**服務角色名稱**欄位中輸入該角色。

   如果您的資料已加密，請在 **AWS KMS key** 欄位中輸入 KMS 金鑰，或按一下**建立 AWS KMS key**以產生新的 KMS 金鑰。

1. 如果您想要為訓練資料集啟用**標籤**，請選擇**新增標籤**，然後輸入**金鑰**和**值**對。

1. 選擇**建立訓練資料集**。

如需對應的 API 動作，請參閱 [CreateTrainingDataset](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateTrainingDataset.html)。