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。

# 更新推薦者
<a name="updating-recommender"></a>

 建立推薦者之後，您可以更新推薦者的組態：
+ 您可以更新推薦者在訓練中使用的資料欄。如果您修改訓練時使用的資料欄，Amazon Personalize 會自動開始完整重新訓練支援建議程式的模型。當更新完成時，您仍然可以從建議者取得建議。建議程式會使用先前的組態，直到更新完成為止。若要追蹤此更新的狀態，請使用 [DescribeRecommender](API_DescribeRecommender.md)操作中`latestRecommenderUpdate`傳回的 。如果您提供您在建立建議程式時提供的相同資料欄，則不會進行任何更新。
+  您可以每秒更新推薦者的最低建議請求。這會指定 Amazon Personalize 佈建的基準建議請求輸送量。較高的值會增加您的帳單。我們建議從 1 開始。使用 Amazon CloudWatch 指標追蹤您的用量，並視需要增加。如需詳細資訊，請參閱[每秒最低建議請求數和自動調整規模](creating-recommenders.md#min-rrps-auto-scaling)。
+ 對於*最適合您的 *和*推薦給您*的使用案例，您可以透過調整探索相關項目和探索項目存留期截止的重點來更新探勘組態。如需探索的相關資訊，請參閱 中您的使用案例的 一節[選擇使用案例](domain-use-cases.md)。

您可以使用 Amazon Personalize 主控台 AWS Command Line Interface (AWS CLI) 或 AWS SDKs更新推薦者。

**Topics**
+ [更新推薦者 (Amazon Personalize 主控台）](#updating-recommender-console)
+ [更新推薦者 (AWS CLI)](#update-recommender-cli)
+ [更新推薦者 (AWS SDKs)](#update-recommender-sdks)

## 更新推薦者 (Amazon Personalize 主控台）
<a name="updating-recommender-console"></a>

 建立推薦者之後，您可以更新它。您可以更新建議者在訓練中使用的資料欄，以及建議者每秒的最低建議請求數。對於*最適合您的選擇*和*推薦給您*的使用案例，您可以更新探勘組態。若要使用主控台更新推薦者，請執行下列動作。

**更新推薦者的組態 （主控台）**

1. 在 [https://console.aws.amazon.com/personalize/home](https://console.aws.amazon.com/personalize/home)：// 開啟 Amazon Personalize 主控台並登入您的帳戶。

1.  在**資料集群組**頁面上，選擇您的網域資料集群組。

1. 從導覽窗格中，選擇**建議者**。

1. 在**建議者**頁面上，選擇您要更新的建議者。

1. 在**建議者組態**中，選擇**編輯**。

1. 變更推薦者的組態，然後選擇**更新**。如需不同組態選項的資訊，請參閱 [建立推薦者 （主控台）](creating-domain-recommenders.md#creating-recommenders-console)。

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

若要使用 更新推薦者 AWS CLI，請使用 `update-recommender`命令。提供建議者和更新組態的 Amazon Resource Name (ARN)。下列程式碼示範如何更新推薦者用於訓練的資料欄。

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

 如果您修改訓練中使用的資料欄，Amazon Personalize 會自動開始完整重新訓練支援建議程式的模型。當更新完成時，您仍然可以從建議者取得建議。建議程式會使用先前的組態，直到更新完成為止。若要追蹤此更新的狀態，請使用 [DescribeRecommender](API_DescribeRecommender.md)操作中`latestRecommenderUpdate`傳回的 。

如需您可以變更之不同組態的詳細資訊，請參閱 [RecommenderConfig](API_RecommenderConfig.md)。

## 更新推薦者 (AWS SDKs)
<a name="update-recommender-sdks"></a>

若要使用 更新推薦者 AWS，請使用 [UpdateRecommender](API_UpdateRecommender.md)操作。提供建議者的 Amazon Resource Name (ARN)，並指定新的組態。下列程式碼示範如何更新推薦者用於訓練的資料欄。

------
#### [ 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();
```

------

 如果您修改 中用於訓練的資料欄`excludedDatasetColumns``recommenderConfig`，Amazon Personalize 會自動開始模型的完整重新訓練，以支援您的建議程式。當更新完成時，您仍然可以從建議者取得建議。建議程式會使用先前的組態，直到更新完成為止。若要追蹤此更新的狀態，請使用 [DescribeRecommender](API_DescribeRecommender.md)操作中`latestRecommenderUpdate`傳回的 。

如需您可以變更之不同組態的詳細資訊，請參閱 [RecommenderConfig](API_RecommenderConfig.md)。