기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon Fraud Detector는 모델 유형에 따라 모델 점수를 다르게 생성합니다.
계정 탈취 인사이트(ATI) 모델의 경우 Amazon Fraud Detector는 집계된 값(원시 변수 세트를 결합하여 계산한 값)만 사용하여 모델 점수를 생성합니다. 새 개체의 첫 번째 이벤트에 대해 -1점이 생성되어 알 수 없는 위험을 나타냅니다. 이는 새 개체의 경우 집계 계산에 사용되는 값이 0 또는 null이기 때문입니다. Account Takeeover Insights(ATI) 모델은 동일한 개체와 기존 개체에 대한 모든 후속 이벤트에 대해 0~1000 사이의 모델 점수를 생성합니다. 여기서 0은 사기 위험이 낮음을 나타내고 1000은 사기 위험이 높음을 나타냅니다. ATI 모델의 경우 모델 점수는 챌린지 비율(CR)과 직접 관련이 있습니다. 예를 들어 500점은 예상 5% 챌린지 비율에 해당하는 반면 900점은 예상 0.1% 챌린지 비율에 해당합니다.
온라인 사기 인사이트(OFI) 및 트랜잭션 사기 인사이트(TFI) 모델의 경우 Amazon Fraud Detector는 집계된 값(원시 변수 세트를 결합하여 계산한 값)과 원시 값(변수에 제공된 값)을 모두 사용하여 모델 점수를 생성합니다. 모델 점수는 0에서 1000 사이일 수 있습니다. 여기서 0은 사기 위험이 낮음을 나타내고 1000은 사기 위험이 높음을 나타냅니다. OFI 및 TFI 모델의 경우 모델 점수는 거짓 긍정률(FPR)과 직접 관련이 있습니다. 예를 들어 600점은 10%의 거짓 긍정률 추정치에 해당하고 900점은 2%의 거짓 긍정률 추정치에 해당합니다. 다음 표에는 특정 모델 점수가 예상 거짓 긍정 비율과 어떻게 상관관계가 있는지에 대한 세부 정보가 나와 있습니다.
| 모델 점수 | 예상 FPR |
|---|---|
|
975 |
0.50% |
|
950 |
1% |
|
900 |
2% |
|
860 |
3% |
|
775 |
5% |
|
700 |
7% |
|
600 |
10% |
