A 部分：建置、訓練和部署 Amazon Fraud Detector 模型

在 A 部分中，您可以定義業務使用案例、定義事件、建立模型、訓練模型、評估模型的效能，以及部署模型。

步驟 1：選擇您的業務使用案例

• 在此步驟中，您可以使用資料模型總管將您的商業使用案例與 Amazon Fraud Detector 支援的詐騙偵測模型類型相符。資料模型總管是與 Amazon Fraud Detector 主控台整合的工具，可針對您的商業使用案例建立和訓練詐騙偵測模型，建議使用的模型類型。資料模型總管也會針對您需要包含在資料集中的強制性、建議和選用資料元素提供深入解析。該數據集將用於創建和訓練您的欺詐檢測模型。

  在本教學課程中，您的企業使用案例是新帳戶註冊。在您指定商業使用案例之後，資料模型總管會建議用於建立詐騙偵測模型的模型類型，並提供建立資料集所需的資料元素清單。由於您已經上傳包含新帳戶註冊資料的範例資料集，因此不需要建立新的資料集。

  1. 開啟AWS管理主控台並登入您的帳戶。導航到 Amazon Fraud Detector。

  2. 在左側導覽窗格中，選擇資料模型總管。

  3. 在 [資料模型總管] 頁面的 [商業使用案例] 下，選取 [新帳戶詐騙]。

  4. Amazon Fraud Detector 會顯示建議的模型類型，用於為選取的商業使用案例建立詐騙偵測模型。模型類型定義 Amazon Fraud Detector 將用來訓練您的詐騙偵測模型的演算法、擴充和轉換。

     請記下建議的模型類型。稍後建立模型時，您將需要此功能。

  5. [資料模型深入解析] 窗格提供建立和訓練詐騙偵測模型所需的強制性和建議資料元素的深入解析。

     請查看您下載的範例資料集，並確定資料表中列出了所有必要資料元素和一些建議的資料元素。

     稍後當您為特定商務使用案例建立模型時，您將使用提供的深入解析來建立資料集。

步驟 2：建立事件類型

• 在此步驟中，您會定義要評估詐騙的商業活動 (事件)。定義事件包括設定資料集中的變數、起始事件的實體，以及將事件分類的標籤。在本教學課程中，您會定義帳戶註冊事件。

  1. 開啟AWS管理主控台並登入您的帳戶。導航到 Amazon Fraud Detector。

  2. 在左側導覽窗格中，選擇事件。

  3. 在 [事件類型] 頁面中，選擇 [建立]。

  4. 在事件類型詳細資訊下sample_registration，輸入事件類型名稱，並選擇性地輸入事件的描述。

  5. 針對「實體」，選擇建立實體。

  6. 在 [建立實體] 頁面中sample_customer，輸入實體類型名稱。您可以選擇輸入實體類型的描述。

  7. 選擇 Create entity (建立實體)。

  8. 在事件變數下，對於選擇如何定義此事件的變數，選擇從訓練資料集選取變數。

  9. 對於 IAM 角色，請選擇建立 IAM 角色。

  10. 在 [建立 IAM 角色] 頁面中，輸入您上傳範例資料的 S3 儲存貯體名稱，然後選擇 [建立角色]。

  11. 在資料位置中，輸入範例資料的路徑。這是您上傳範例資料後所儲存的S3 URI路徑。路徑類似於：S3://your-bucket-name/example dataset filename.csv。

  12. 選擇 Upload (上傳)。

      Amazon Fraud Detector 會從範例資料檔案中擷取標頭，並使用變數類型對應它們。對映會顯示於主控台中。

  13. 在 [標示-可選] 下，對於 [標示]，選擇 [建立新標示]。

  14. 在「建立標籤」頁面中fraud，輸入名稱。此標籤對應於範例資料集中代表詐騙帳戶註冊的值。

  15. 選擇「建立標籤」。

  16. 建立第二個標籤，然後輸入legit作為名稱。此標籤對應於範例資料集中代表合法帳戶註冊的值。

  17. 選擇 [建立事件類型]。

步驟 3：建立模型

1. 在「模型」頁面上，選擇「新增模型」，然後選擇「建立模型」。

2. 對於步驟 1-定義模型詳細資訊sample_fraud_detection_model，請輸入模型名稱。您可以選擇新增模型的描述。

3. 針對「模型類型」，選擇「線上詐騙洞察」模型。

4. 對於事件類型，請選擇範例註冊。這是您在步驟 1 中建立的事件類型。

5. 在歷史事件數據中，

   1. 在事件資料來源中，選擇存放在 S3 中的事件資料。

   2. 針對 IAM 角色，選取您在步驟 1 中建立的角色。

   3. 在訓練資料位置中，輸入範例資料檔案的 S3 URI 路徑。

6. 選擇 下一步。

步驟 4：訓練模型

1. 在模型輸入中，保留勾選所有核取方塊。根據預設，Amazon Fraud Detector 會使用歷史事件資料集中的所有變數做為模型輸入。

2. 在「標籤」分類中，針對詐騙標籤選擇詐騙，因為此標籤對應於範例資料集中代表詐騙事件的值。對於合法標籤，請選擇合法，因為此標籤對應於範例資料集中代表合法事件的值。

3. 對於「未標籤的事件」處理方式，請保留預設選取「忽略此範例資料集的未標籤事件」。

4. 選擇 下一步。

5. 檢閱後，選擇 [建立並訓練模型]。Amazon Fraud Detector 會建立模型，並開始訓練新版本的模型。

   在模型版本中，狀態欄指示模型訓練的狀態。使用範例資料集的模型訓練大約需要 45 分鐘才能完成。模型訓練完成後，狀態會變更為 [準備部署]。

步驟 5：檢閱模型效能

使用 Amazon Fraud Detector 的重要步驟是使用模型分數和效能指標來評估模型的準確性。模型訓練完成後，Amazon Fraud Detector 會使用 15% 的資料來驗證模型效能，這些資料未用於訓練模型並產生模型效能分數和其他效能指標。

1. 若要檢視模型的效能，

   1. 在 Amazon Fraud Detector 主控台的左側導覽窗格中，選擇模型。

   2. 在「模型」頁面中，選擇您剛訓練的模型（模型），然後選擇 1.0。這是亞馬遜 Fraud Detector 為您的模型創建的版本。

2. 查看模型效能整體分數以及 Amazon Fraud Detector 為此模型產生的所有其他指標。

   若要深入瞭解此頁面上的模型效能分數和效能測量結果，請參閱模型分數和模型效能指標。

   您可以預期所有訓練有素的 Amazon Fraud Detector 模型都具有與您在本教學中看到的模型效能指標類似的真實世界詐騙偵測效能指標。

步驟 6：部署模型

在您檢閱訓練模型的效能指標，並準備好使用它產生詐騙預測之後，您就可以部署模型。

1. 在 Amazon Fraud Detector 主控台的左側導覽窗格中，選擇「型號」。

2. 在 [模型] 頁面中，選擇 [偵測模型]，然後選擇您要部署的特定模型版本。對於此自學課程，請選擇 1.0。

3. 在 [模型版本] 頁面上，選擇 [動作]，然後選擇 [部署模型版本]。

4. 在「模型」版本中，「狀態」 會顯示部署的狀態。部署完成後，狀態會變更為「作用中」。這表示模型版本已啟動並可用於產生詐騙預測。繼續完B 部分：產生詐騙預測成產生詐騙預測的步驟。