Importieren Sie ein SageMaker KI-Modell

Sie können optional SageMaker KI-gestützte Modelle in Amazon Fraud Detector importieren. Ähnlich wie Modelle können SageMaker KI-Modelle zu Detektoren hinzugefügt werden und mithilfe der GetEventPrediction API Betrugsprognosen generieren. Im Rahmen der GetEventPrediction Anfrage ruft Amazon Fraud Detector Ihren SageMaker KI-Endpunkt auf und leitet die Ergebnisse an Ihre Regeln weiter.

Sie können Amazon Fraud Detector so konfigurieren, dass die als Teil der GetEventPrediction Anfrage gesendeten Ereignisvariablen verwendet werden. Wenn Sie sich für die Verwendung von Ereignisvariablen entscheiden, müssen Sie eine Eingabevorlage angeben. Amazon Fraud Detector verwendet diese Vorlage, um Ihre Ereignisvariablen in die erforderliche Eingabe-Payload umzuwandeln, um den SageMaker KI-Endpunkt aufzurufen. Alternativ können Sie Ihr SageMaker KI-Modell so konfigurieren, dass es einen ByteBuffer verwendet, der als Teil der Anfrage gesendet wird. GetEventPrediction

Amazon Fraud Detector unterstützt den Import von SageMaker KI-Algorithmen, die JSON- oder CSV-Eingabeformate und JSON- oder CSV-Ausgabeformate verwenden. Zu den unterstützten SageMaker KI-Algorithmen gehören XGBoost beispielsweise Linear Learner und Random Cut Forest.

Importieren Sie ein SageMaker KI-Modell mit dem AWS SDK für Python (Boto3)

Verwenden Sie die PutExternalModel API, um ein SageMaker KI-Modell zu importieren. Im folgenden Beispiel wird davon ausgegangen, dass der SageMaker KI-Endpunkt bereitgestellt wurde, InService seinen Status sagemaker-transaction-model hat und den XGBoost Algorithmus verwendet.

Die Eingabekonfiguration gibt an, dass die Ereignisvariablen verwendet werden, um die Modelleingabe zu erstellen (useEventVariablesist auf eingestelltTRUE). Das Eingabeformat ist TEXT_CSV, vorausgesetzt, es ist eine CSV-Eingabe XGBoost erforderlich. Das csvInputTemplate gibt an, wie die CSV-Eingabe aus den Variablen erstellt werden soll, die als Teil der GetEventPrediction Anfrage gesendet wurden. In diesem Beispiel wird davon ausgegangen, dass Sie die Variablen order_amtprev_amt, hist_amt und erstellt habenpayment_type.

Die Ausgabekonfiguration spezifiziert das Antwortformat des SageMaker KI-Modells und ordnet den entsprechenden CSV-Index der Variablen Amazon Fraud Detector zusagemaker_output_score. Nach der Konfiguration können Sie die Ausgabevariable in Regeln verwenden.

Anmerkung

Die Ausgabe eines SageMaker KI-Modells muss einer Variablen mit Quelle EXTERNAL_MODEL_SCORE zugeordnet werden. Sie können diese Variablen in der Konsole nicht mithilfe von Variablen erstellen. Sie müssen sie stattdessen erstellen, wenn Sie Ihren Modellimport konfigurieren.

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.put_external_model (
modelSource = 'SAGEMAKER',
modelEndpoint = 'sagemaker-transaction-model',
invokeModelEndpointRoleArn = 'your_SagemakerExecutionRole_arn',
inputConfiguration = {
    'useEventVariables' : True,
    'eventTypeName' : 'sample_transaction',
    'format' : 'TEXT_CSV',
    'csvInputTemplate' : '{{order_amt}}, {{prev_amt}}, {{hist_amt}}, {{payment_type}}'
},

outputConfiguration = {
    'format' : 'TEXT_CSV',
    'csvIndexToVariableMap' : {
        '0' : 'sagemaker_output_score'
    }
},
    
modelEndpointStatus = 'ASSOCIATED'
)