Importe un modelo de SageMaker IA

Si lo desea, puede importar modelos SageMaker alojados en IA a Amazon Fraud Detector. Al igual que los modelos, los modelos de SageMaker IA se pueden añadir a los detectores y generar predicciones de fraude mediante la GetEventPrediction API. Como parte de la GetEventPrediction solicitud, Amazon Fraud Detector invocará tu punto de conexión de SageMaker IA y transferirá los resultados a tus reglas.

Puede configurar Amazon Fraud Detector para que utilice las variables de evento enviadas como parte de la GetEventPrediction solicitud. Si decide utilizar variables de evento, debe proporcionar una plantilla de entrada. Amazon Fraud Detector utilizará esta plantilla para transformar las variables de tus eventos en la carga útil de entrada necesaria para invocar el punto final de SageMaker IA. Como alternativa, puede configurar su modelo de SageMaker IA para que utilice un ByteBuffer que se envíe como parte de la solicitud. GetEventPrediction

Amazon Fraud Detector admite la importación de algoritmos de SageMaker IA que utilizan formatos de entrada JSON o CSV y formatos de salida JSON o CSV. Algunos ejemplos de algoritmos de SageMaker IA compatibles son XGBoost Linear Learner y Random Cut Forest.

Importe un modelo de SageMaker IA mediante el AWS SDK para Python (Boto3)

Para importar un modelo de SageMaker IA, utilice la PutExternalModel API. En el siguiente ejemplo, se supone que el punto final de la SageMaker IA se sagemaker-transaction-model ha implementado, se encuentra en InService estado y utiliza el XGBoost algoritmo.

La configuración de entrada especifica que se utilizarán las variables de evento para construir la entrada del modelo (useEventVariablesse establece enTRUE). El formato de entrada es TEXT_CSV, dado que XGBoost requiere una entrada CSV. csvInputTemplate Especifica cómo construir la entrada CSV a partir de las variables enviadas como parte de la GetEventPrediction solicitud. En este ejemplo se supone que ha creado las variables order_amtprev_amt, hist_amt ypayment_type.

La configuración de salida especifica el formato de respuesta del modelo de SageMaker IA y asigna el índice CSV correspondiente a la variable Amazon Fraud Detectorsagemaker_output_score. Una vez configurada, puede utilizar la variable de salida en las reglas.

nota

La salida de un modelo de SageMaker IA debe asignarse a una variable con origenEXTERNAL_MODEL_SCORE. No puede crear estas variables en la consola mediante Variables. En su lugar, debe crearlas al configurar la importación del modelo.

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'
)