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.
Erkennen von Betrug mit Amazon Fraud Detector
In diesem Abschnitt wird ein typischer Workflow zur Erkennung von Betrug mit Amazon Fraud Detector beschrieben. Außerdem wird zusammengefasst, wie Sie diese Aufgaben ausführen können. Das folgende Diagramm bietet einen allgemeinen Überblick über den Workflow zur Erkennung von Betrug mit Amazon Fraud Detector.
Die Betrugserkennung ist ein kontinuierlicher Prozess. Nachdem Sie Ihr Modell bereitgestellt haben, stellen Sie sicher, dass Sie seine Leistungswerte und Metriken auf der Grundlage der Vorhersageerklärungen bewerten. Auf diese Weise können Sie die wichtigsten Risikoindikatoren identifizieren, Ursachen eingrenzen, die zu falsch positiven Ergebnissen führen, Betrugsmuster in Ihrem gesamten Datensatz analysieren und Verzerrungen erkennen, falls vorhanden. Um die Genauigkeit der Vorhersagen zu erhöhen, können Sie Ihren Datensatz so anpassen, dass er neue oder überarbeitete Daten enthält. Anschließend können Sie Ihr Modell mit dem aktualisierten Datensatz neu trainieren. Sobald mehr Daten verfügbar sind, trainieren Sie Ihr Modell weiter, um die Genauigkeit zu erhöhen.
