模型分數

Amazon Fraud Detector 針對不同的模型類型產生不同的模型分數。

對於帳戶接管洞察 (ATI) 模型，Amazon Fraud Detector 僅使用彙總值 (結合一組原始變數計算的值) 來產生模型分數。新實體的第一個事件會產生 -1 的分數，表示風險不明。這是因為對於新實體而言，用於計算彙總的值將為零或 null。帳戶接管見解 (ATI) 模型會針對相同實體和現有實體的所有後續事件產生 0 到 1000 之間的模型分數，其中 0 表示詐騙風險低，1000 表示高詐騙風險。對於 ATI 模型，模型分數與挑戰率 (CR) 直接相關。例如，分數 500 對應於估計的 5％ 挑戰率，而 900 分則對應於估計 0.1％ 的挑戰率。

針對線上詐騙洞見 (OFI) 和交易詐騙洞見 (TFI) 模型，Amazon Fraud Detector 會同時使用彙總值 (結合一組原始變數計算的值) 和原始值 (為變數提供的值) 產生模型分數。模型分數可以介於 0 到 1000 之間，其中 0 表示低欺詐風險，1000 表示高欺詐風險。對於 OFI 和 TFI 模型，模型分數與誤判率（FPR）直接相關。例如，評分 600 對應於估計的 10% 誤判率，而 900 分則對應於估計的 2% 誤判率。下表提供特定模型分數與估計誤判率之間如何關聯的詳細資訊。

模型分數	估計人口普及性
975	0.50%
950	1%
900	2%
860	3%
775	5%
700	7%
600	10%