Membuat jenis acara

Sebelum Anda membuat model deteksi penipuan, Anda harus terlebih dahulu membuat jenis peristiwa. Membuat jenis acara melibatkan mendefinisikan aktivitas bisnis Anda (acara) untuk mengevaluasi penipuan. Mendefinisikan peristiwa melibatkan mengidentifikasi variabel peristiwa dalam kumpulan data Anda untuk disertakan untuk evaluasi penipuan, menentukan entitas yang memulai acara, dan label yang mengklasifikasikan acara.

Prasyarat untuk membuat jenis acara

Sebelum Anda mulai membuat jenis acara Anda, pastikan bahwa Anda telah menyelesaikan hal berikut:

• Menggunakan Model data alat ini untuk mendapatkan wawasan tentang elemen data yang diperlukan oleh Amazon Fraud Detector untuk membuat model deteksi penipuan Anda.

• Menggunakan wawasan yang Anda dapatkan dari Data Models Explorer untuk membuat kumpulan data peristiwa dan telah mengunggah set data Anda ke bucket Amazon S3.

• DibuatVariabel,Entitas, dan Label Anda ingin Amazon Fraud Detector digunakan untuk membuat model deteksi penipuan untuk acara ini. Pastikan bahwa variabel, jenis entitas, dan label yang Anda buat disertakan dalam kumpulan data peristiwa Anda.

Anda dapat membuat jenis peristiwa di konsol Amazon Fraud Detector, menggunakan API, menggunakanAWS CLI, atau menggunakan AWS SDK.

Membuat jenis peristiwa di konsol Amazon Fraud Detector

Untuk membuat jenis acara,

1. Buka AWSManagement Console dan masuk ke akun Anda. Arahkan ke Amazon Fraud Detector.

2. Di panel navigasi kiri, pilih Acara.

3. Di halaman Jenis peristiwa, pilih Buat.

4. Di bawah Rincian jenis acara,,

   1. Dalam Nama, masukkan nama acara Anda.

   2. Dalam Deskripsi, secara opsional, masukkan deskripsi.

   3. Di Entitas, pilih jenis entitas yang Anda buat untuk acara Anda.

5. Di bawah variabel Event,

   1. Dalam Pilih bagaimana mendefinisikan variabel acara ini,

      • Jika Anda telah membuat variabel acara untuk acara ini, pilih Pilih variabel dari daftar variabel Anda dan dalam Variabel, pilih variabel yang Anda buat untuk acara ini.

      • Jika Anda belum membuat variabel untuk acara ini, pilih Pilih variabel dari kumpulan data pelatihan,

        • Dalam peran IAM pilih Peran IAM yang Anda inginkan Amazon Fraud Detector untuk mengakses bucket Amazon S3 yang berisi kumpulan data Anda

        • Di Lokasi data masukkan jalur ke lokasi set data Anda. Gunakan S3 URI jalur yang mirip dengan ini:S3://your-bucket-name/example dataset filename.csv.

        • Pilih Upload (Unggah).

        • Di bawah Variabel, semua nama variabel peristiwa yang telah diambil Amazon Fraud Detector dari file set data Anda ditampilkan.

          Jika Anda ingin variabel disertakan untuk mendeteksi penipuan, dalam jenis Variabel, pilih jenis variabel. Pilih Hapus untuk menghapus variabel agar tidak disertakan untuk deteksi penipuan. Ulangi langkah ini untuk setiap variabel dalam daftar.

6. Di bawah Label (opsional), di Label, pilih label yang Anda buat untuk acara ini. Pastikan untuk memilih satu label masing-masing untuk acara penipuan dan sah.

7. Jika Anda ingin menyiapkan pemrosesan hilir otomatis untuk acara ini, di bawah Orkestrasi peristiwa dengan Amazon EventBridge - opsional, aktifkan Aktifkan orkestrasi peristiwa dengan Amazon. EventBridge Untuk informasi lebih lanjut tentang orkestrasi acara, lihat. Orkestrasi acara

   catatan

   Anda juga dapat mengaktifkan orkestrasi acara nanti setelah membuat jenis acara Anda.

8. Pilih Buat jenis acara.

Buat jenis acara menggunakan AWS SDK for Python (Boto3)

Contoh berikut menunjukkan permintaan sampel untuk PutEventType API. Contoh mengasumsikan Anda telah membuat variabel ip_address danemail_address, label danfraud, legit dan jenis entitas. sample_customer Untuk informasi tentang cara membuat sumber daya ini, lihatSumber daya.

catatan

Anda harus terlebih dahulu membuat variabel, jenis entitas, dan label sebelum menambahkannya ke jenis acara.

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

fraudDetector.put_event_type (
name = 'sample_registration',
eventVariables = ['ip_address', 'email_address'],
labels = ['legit', 'fraud'],
entityTypes = ['sample_customer'])