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.
Bereiten Sie die Ereignisdaten für die Speicherung vor
Ereignisdaten, die intern mit Amazon Fraud Detector gespeichert werden, werden aufEvent Type
Ressourcenebene gespeichert. Alle Ereignisdaten, die von demselben Ereignis stammen, werden also in einer einzigen Datei gespeichertEvent Type
. Die gespeicherten Ereignisse können später verwendet werden, um ein neues Modell zu trainieren oder ein vorhandenes Modell erneut zu trainieren. Wenn Sie ein Modell mit den gespeicherten Ereignisdaten trainieren, können Sie optional einen Zeitbereich von Ereignissen angeben, um die Größe Ihres Trainingsdatensatzes zu begrenzen.
Jedes Mal, wenn Sie Ihre Daten in Amazon Fraud Detector speichern, indem Sie die Amazon Fraud Detector-Konsole, dieSendEvent
API oder dieCreateBatchImportJob
API verwenden, validiert Amazon Fraud Detector Ihre Daten vor dem Speichern. Wenn Ihre Daten nicht validiert werden, werden die Ereignisdaten nicht gespeichert.
Voraussetzungen für die interne Speicherung von Daten mit Amazon Fraud Detector
-
Um sicherzustellen, dass Ihre Ereignisdaten die Validierung bestehen und der Datensatz erfolgreich gespeichert wird, stellen Sie sicher, dass Sie die vom Data Model Explorer bereitgestellten Erkenntnisse zur Vorbereitung Ihres Datensatzes verwendet haben.
-
Hat einen Ereignistyp für die Ereignisdaten erstellt, die Sie mit Amazon Fraud Detector speichern möchten. Wenn nicht, folgen Sie den Anweisungen zum Erstellen eines Ereignistyps.
Intelligente Datenvalidierung
Wenn Sie Ihren Datensatz für den Batch-Import in die Amazon Fraud Detector-Konsole hochladen, verwendet Amazon Fraud Detector Smart Data Validation (SDV), um Ihren Datensatz zu validieren, bevor Sie Ihre Daten importieren. SDV scannt die hochgeladene Datendatei und identifiziert Probleme wie fehlende Daten und falsche Formate oder Datentypen. Neben der Validierung Ihres Datensatzes stellt SDV auch einen Validierungsbericht bereit, der alle identifizierten Probleme auflistet und Maßnahmen zur Behebung der wichtigsten Probleme vorschlägt. Einige der von SDV identifizierten Probleme können kritisch sein und müssen behoben werden, bevor Amazon Fraud Detector Ihren Datensatz erfolgreich importieren kann. Weitere Informationen finden Sie unter Bericht zur intelligenten Datenvalidierung.
Die SDV validiert Ihren Datensatz auf Dateiebene und auf Datenebene (Zeilen). Auf Dateiebene scannt SDV Ihre Datendatei und identifiziert Probleme wie unzureichende Zugriffsrechte auf die Datei, falsche Dateigröße, falsches Dateiformat und Header (Ereignismetadaten und Ereignisvariablen). Auf Datenebene scannt SDV alle Ereignisdaten (Zeile) und identifiziert Probleme wie falsches Datenformat, Datenlänge, Zeitstempelformat und Nullwerte.
Smart Data Validation ist derzeit nur in der Amazon Fraud Detector Detector-Konsole verfügbar und die Validierung ist standardmäßig aktiviert. Wenn Sie nicht möchten, dass Amazon Fraud Detector die Smart Data Validation vor dem Import Ihres Datensatzes verwendet, deaktivieren Sie die Überprüfung in der Amazon Fraud Detector Detector-Konsole, wenn Sie Ihren Datensatz hochladen.
Validierung gespeicherter Daten bei Verwendung von APIs oderAWS SDK
Beim Hochladen von Ereignissen über denCreateBatchImportJob
API-VorgangSendEvent
GetEventPrediction
, oder überprüft Amazon Fraud Detector Folgendes:
-
Die EventIngestion Einstellung für diesen Ereignistyp ist ENABLED.
-
Ereigniszeitstempel können nicht aktualisiert werden. Ein Ereignis mit einer wiederholten Ereignis-ID und einem anderen EVENT_TIMESTAMP wird als Fehler behandelt.
-
Variablennamen und Werte entsprechen ihrem erwarteten Format. Weitere Informationen finden Sie unter Erstellen Sie eine Variable
-
Erforderliche Variablen werden mit einem Wert gefüllt.
-
Alle Zeitstempel für Ereignisse sind nicht älter als 18 Monate und liegen nicht in der future.