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.
Die Modelle von Amazon Fraud Detector lernen, Betrug für einen bestimmten Ereignistyp zu erkennen. In Amazon Fraud Detector erstellen Sie zunächst ein Modell, das als Container für Ihre Modellversionen dient. Jedes Mal, wenn Sie ein Modell trainieren, wird eine neue Version erstellt. Einzelheiten zum Erstellen und Trainieren eines Modells mithilfe der AWS Konsole finden Sie unterSchritt 3: Erstellen eines Modells.
Jedes Modell hat eine entsprechende Modell-Score-Variable. Amazon Fraud Detector erstellt diese Variable in Ihrem Namen, wenn Sie ein Modell erstellen. Sie können diese Variable in Ihren Regelausdrücken verwenden, um Ihre Modellwerte während einer Betrugsbewertung zu interpretieren.
Trainieren und implementieren Sie ein Modell mit dem AWS SDK for Python (Boto3)
Eine Modellversion wird erstellt, indem die CreateModelVersion Operationen CreateModel und aufgerufen werden. CreateModelinitiiert das Modell, das als Container für Ihre Modellversionen fungiert. CreateModelVersionstartet den Trainingsprozess, der zu einer bestimmten Version des Modells führt. Eine neue Version der Lösung wird bei jedem Aufruf erstellt CreateModelVersion.
Das folgende Beispiel zeigt eine Beispielanforderung für die CreateModelAPI. In diesem Beispiel wird der Modelltyp Online Fraud Insights erstellt und davon ausgegangen, dass Sie einen Ereignistyp erstellt habensample_registration. Weitere Informationen zum Erstellen eines Ereignistyps finden Sie unterEinen Ereignistyp erstellen.
import boto3
fraudDetector = boto3.client('frauddetector')
fraudDetector.create_model (
modelId = 'sample_fraud_detection_model',
eventTypeName = 'sample_registration',
modelType = 'ONLINE_FRAUD_INSIGHTS')
Trainieren Sie Ihre erste Version mit dem CreateModelVersionAPI. ExternalEventsDetailGeben Sie für TrainingDataSource und die Quelle und den Amazon S3 S3-Speicherort des Trainingsdatensatzes an. TrainingDataSchemaGeben Sie für die an, wie Amazon Fraud Detector die Trainingsdaten interpretieren soll, insbesondere welche Ereignisvariablen aufgenommen werden sollen und wie die Ereignisbezeichnungen klassifiziert werden sollen. Standardmäßig ignoriert Amazon Fraud Detector die nicht gekennzeichneten Ereignisse. In diesem Beispielcode wird AUTO für angegebenunlabeledEventsTreatment, dass Amazon Fraud Detector entscheidet, wie die unmarkierten Ereignisse verwendet werden.
import boto3
fraudDetector = boto3.client('frauddetector')
fraudDetector.create_model_version (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
trainingDataSource = 'EXTERNAL_EVENTS',
trainingDataSchema = {
'modelVariables' : ['ip_address', 'email_address'],
'labelSchema' : {
'labelMapper' : {
'FRAUD' : ['fraud'],
'LEGIT' : ['legit']
}
unlabeledEventsTreatment = 'AUTO'
}
},
externalEventsDetail = {
'dataLocation' : 's3://bucket/file.csv',
'dataAccessRoleArn' : 'role_arn'
}
)
Eine erfolgreiche Anfrage führt zu einer neuen Modellversion mit StatusTRAINING_IN_PROGRESS. Sie können die Schulung jederzeit während der Schulung stornieren, indem Sie anrufen UpdateModelVersionStatus und den Status auf aktualisierenTRAINING_CANCELLED. Sobald die Schulung abgeschlossen ist, wird der Status der Modellversion auf aktualisiertTRAINING_COMPLETE. Sie können die Leistung des Modells über die Amazon Fraud Detector Detector-Konsole oder telefonisch überprüfenDescribeModelVersions. Weitere Informationen zur Interpretation der Modellwerte und der Leistung finden Sie unter Das Modell bewertet undModellieren Sie Leistungskennzahlen.
Nachdem Sie die Leistung des Modells überprüft haben, aktivieren Sie das Modell, damit es von Detectors für Betrugsprognosen in Echtzeit verwendet werden kann. Amazon Fraud Detector stellt das Modell aus Redundanzgründen in mehreren Verfügbarkeitszonen bereit, wobei die auto-scaling aktiviert ist, um sicherzustellen, dass das Modell mit der Anzahl der von Ihnen erstellten Betrugsprognosen skaliert wird. Um das Modell zu aktivieren, rufen Sie den auf UpdateModelVersionStatus API und aktualisieren Sie den Status auf. ACTIVE
import boto3
fraudDetector = boto3.client('frauddetector')
fraudDetector.update_model_version_status (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
modelVersionNumber = '1.00',
status = 'ACTIVE'
)
