Importar um modelo de SageMaker IA

Opcionalmente, você pode importar modelos SageMaker hospedados em IA para o Amazon Fraud Detector. Assim como os modelos, os modelos de SageMaker IA podem ser adicionados aos detectores e gerar previsões de fraudes usando a GetEventPrediction API. Como parte da GetEventPrediction solicitação, o Amazon Fraud Detector invocará seu endpoint de SageMaker IA e transmitirá os resultados às suas regras.

Você pode configurar o Amazon Fraud Detector para usar as variáveis de evento enviadas como parte da GetEventPrediction solicitação. Se você optar por usar variáveis de evento, deverá fornecer um modelo de entrada. O Amazon Fraud Detector usará esse modelo para transformar suas variáveis de evento na carga de entrada necessária para invocar o endpoint de SageMaker IA. Como alternativa, você pode configurar seu modelo de SageMaker IA para usar um ByteBuffer enviado como parte da solicitação. GetEventPrediction

O Amazon Fraud Detector suporta a importação de algoritmos de SageMaker IA que usam formatos de entrada JSON ou CSV e formatos de saída JSON ou CSV. Exemplos de algoritmos de SageMaker IA compatíveis incluem XGBoost Linear Learner e Random Cut Forest.

Importe um modelo de SageMaker IA usando o AWS SDK para Python (Boto3)

Para importar um modelo de SageMaker IA, use a PutExternalModel API. O exemplo a seguir pressupõe que o endpoint de SageMaker IA sagemaker-transaction-model tenha sido implantado, esteja em InService status e use o algoritmo. XGBoost

A configuração de entrada especifica que usará as variáveis de evento para construir a entrada do modelo (useEventVariablesestá definida comoTRUE). O formato de entrada é TEXT_CSV, pois XGBoost requer uma entrada CSV. csvInputTemplate Especifica como construir a entrada CSV a partir das variáveis enviadas como parte da GetEventPrediction solicitação. Este exemplo pressupõe que você tenha criado as variáveis order_amtprev_amt, hist_amt e. payment_type

A configuração de saída especifica o formato de resposta do modelo de SageMaker IA e mapeia o índice CSV apropriado para a variável Amazon Fraud Detector. sagemaker_output_score Depois de configurada, você pode usar a variável de saída nas regras.

nota

A saída de um modelo de SageMaker IA deve ser mapeada para uma variável com origemEXTERNAL_MODEL_SCORE. Você não pode criar essas variáveis no console usando Variáveis. Em vez disso, você deve criá-los ao configurar a importação do 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'
)