Importieren eines SageMaker Modells - Amazon Fraud Detector
Importieren eines SageMaker Modells mit der AWS SDK for Python (Boto3)

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Importieren eines SageMaker Modells

Sie können optional SageMakervon gehostete Modelle in Amazon Fraud Detector importieren. Ähnlich wie Modelle können SageMaker Modelle mithilfe der GetEventPrediction API zu Detektoren hinzugefügt und Betrugsprognosen generiert werden. Im Rahmen der GetEventPrediction Anforderung ruft Amazon Fraud Detector Ihren SageMaker Endpunkt auf und übergibt die Ergebnisse an Ihre Regeln.

Sie können Amazon Fraud Detector so konfigurieren, dass die als Teil der GetEventPrediction Anforderung gesendeten Ereignisvariablen verwendet werden. Wenn Sie Ereignisvariablen verwenden möchten, müssen Sie eine Eingabevorlage angeben. Amazon Fraud Detector verwendet diese Vorlage, um Ihre Ereignisvariablen in die erforderliche Eingabenutzlast umzuwandeln, um den SageMaker Endpunkt aufzurufen. Alternativ können Sie Ihr SageMaker Modell so konfigurieren, dass es einen byteBuffer verwendet, der als Teil der GetEventPrediction Anforderung gesendet wird.

Amazon Fraud Detector unterstützt den Import von SageMaker Algorithmen, die JSON- oder CSV-Eingabeformate und JSON- oder CSV-Ausgabeformate verwenden. Beispiele für unterstützte SageMaker Algorithmen sind XGBoost , Linear Learner und Random Cut Forest. XGBoost

Importieren eines SageMaker Modells mit der AWS SDK for Python (Boto3)

Verwenden Sie die -PutExternalModelAPI, um ein SageMaker Modell zu importieren. Im folgenden Beispiel wird davon ausgegangen, dass der SageMaker Endpunkt bereitgestellt sagemaker-transaction-model wurde, den InService Status hat und den XGBoost-Algorithmus verwendet.

Die Eingabekonfiguration gibt an, dass die Ereignisvariablen verwendet, um die Modelleingabe zu erstellen (useEventVariables ist auf gesetztTRUE). Das Eingabeformat ist TEXT_CSV, da XGBoost eine CSV-Eingabe erfordert. Der csvInputTemplate gibt an, wie die CSV-Eingabe aus den Variablen erstellt wird, die als Teil der GetEventPrediction Anforderung gesendet werden. In diesem Beispiel wird davon ausgegangenorder_amt, dass Sie die Variablen prev_amt, hist_amt und erstellt habenpayment_type.

Die Ausgabekonfiguration gibt das Antwortformat des SageMaker Modells an und ordnet den entsprechenden CSV-Index der Amazon Fraud Detector-Variablen zusagemaker_output_score. Nach der Konfiguration können Sie die Ausgabevariable in -Regeln verwenden.

Anmerkung

Die Ausgabe eines SageMaker Modells muss einer Variablen mit der Quelle zugeordnet werdenEXTERNAL_MODEL_SCORE. Sie können diese Variablen nicht in der Konsole mit Variablen erstellen. Sie müssen sie stattdessen erstellen, wenn Sie Ihren Modellimport konfigurieren.

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'
)