Amazon Fraud Detector tidak lagi terbuka untuk pelanggan baru per 7 November 2025. Untuk kemampuan yang mirip dengan Amazon Fraud Detector, jelajahi Amazon SageMaker AutoGluon,, dan AWS WAF.
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Kepentingan variabel model
Kepentingan variabel model adalah fitur Amazon Fraud Detector yang memberi peringkat variabel model dalam versi model. Setiap variabel model diberikan nilai berdasarkan kepentingan relatifnya terhadap kinerja keseluruhan model Anda. Variabel model dengan nilai tertinggi lebih penting bagi model daripada variabel model lain dalam dataset untuk versi model itu, dan terdaftar di bagian atas secara default. Demikian juga, variabel model dengan nilai terendah terdaftar di bagian bawah secara default dan paling tidak penting dibandingkan dengan variabel model lainnya. Menggunakan nilai kepentingan variabel model, Anda dapat memperoleh wawasan tentang input apa yang mendorong kinerja model Anda.
Anda dapat melihat nilai kepentingan variabel model untuk versi model terlatih Anda di konsol Amazon Fraud Detector atau dengan menggunakan DescribeModelVersion API.
Kepentingan variabel model memberikan set nilai berikut untuk setiap Variabel yang digunakan untuk melatih Versi Model.
Jenis Vari abel: Jenis variabel (misalnya, alamat IP atau Email). Untuk informasi selengkapnya, lihat Jenis variabel. Untuk model Account Takeover Insights (ATI), Amazon Fraud Detector menyediakan nilai kepentingan variabel untuk tipe variabel mentah dan agregat. Jenis variabel mentah ditetapkan ke variabel yang Anda berikan. Jenis variabel agregat ditetapkan ke sekumpulan variabel mentah yang telah digabungkan oleh Amazon Fraud Detector untuk menghitung nilai kepentingan agregat.
Nama Vari abel: Nama variabel peristiwa yang digunakan untuk melatih versi model (misalnya,
ip_address,email_address,are_creadentials_valid). Untuk tipe variabel agregat, nama-nama semua variabel yang digunakan untuk menghitung nilai kepentingan variabel agregat terdaftar.Nilai Kepentingan Variabel: Angka yang mewakili kepentingan relatif dari variabel mentah atau agregat terhadap kinerja model. Kisaran tipikal: 0—10
Di konsol Amazon Fraud Detector, nilai kepentingan variabel model ditampilkan sebagai berikut untuk model Online Fraud Insights (OFI) atau Transaction Fraud Insights (TFI). Model Account Takeover Insight (ATI) akan memberikan nilai kepentingan variabel agregat selain nilai kepentingan variabel mentah. Bagan visual memudahkan untuk melihat kepentingan relatif antara variabel dengan garis putus-putus vertikal yang memberikan referensi ke nilai kepentingan variabel peringkat tertinggi.
Amazon Fraud Detector menghasilkan nilai kepentingan variabel untuk setiap versi model Detektor Penipuan tanpa biaya tambahan.
penting
Versi model yang dibuat sebelum 9 Juli 2021 tidak memiliki nilai kepentingan variabel. Anda harus melatih versi baru model Anda untuk menghasilkan nilai kepentingan variabel model.
Menggunakan nilai kepentingan variabel model
Anda dapat menggunakan nilai kepentingan variabel model untuk mendapatkan wawasan tentang apa yang mendorong kinerja model Anda naik atau turun dan variabel mana yang paling berkontribusi. Dan kemudian tweak model Anda untuk meningkatkan kinerja secara keseluruhan.
Lebih khusus lagi, untuk meningkatkan kinerja model Anda, periksa nilai kepentingan variabel terhadap pengetahuan domain Anda dan debug masalah dalam data pelatihan. Misalnya, jika ID Akun digunakan sebagai input ke model dan tercantum di bagian atas, lihat nilai kepentingan variabelnya. Jika nilai kepentingan variabel secara signifikan lebih tinggi daripada nilai lainnya, maka model Anda mungkin terlalu cocok pada pola penipuan tertentu (misalnya, semua peristiwa penipuan berasal dari Id Akun yang sama). Namun, mungkin juga terjadi kebocoran label jika variabel bergantung pada label penipuan. Bergantung pada hasil analisis Anda berdasarkan pengetahuan domain Anda, Anda mungkin ingin menghapus variabel dan melatih dengan dataset yang lebih beragam, atau mempertahankan model apa adanya.
Demikian pula, lihat variabel peringkat terakhir. Jika nilai kepentingan variabel secara signifikan lebih rendah daripada nilai lainnya, maka variabel model ini mungkin tidak memiliki kepentingan dalam melatih model Anda. Anda dapat mempertimbangkan untuk menghapus variabel untuk melatih versi model yang lebih sederhana. Jika model Anda memiliki beberapa variabel, seperti hanya dua variabel, Amazon Fraud Detector masih memberikan nilai kepentingan variabel dan memberi peringkat variabel. Namun, wawasan dalam hal ini akan terbatas.
penting
-
Jika Anda melihat variabel hilang dalam bag an kepentingan variabel Model, itu mungkin karena salah satu alasan berikut. Pertimbangkan untuk memodifikasi variabel dalam dataset Anda dan melatih kembali model Anda.
Hitungan nilai unik untuk variabel dalam kumpulan data pelatihan lebih rendah dari 100.
Lebih dari 0,9 nilai untuk variabel hilang dari kumpulan data pelatihan.
Anda perlu melatih versi model baru setiap kali Anda ingin menyesuaikan variabel input model Anda.
Mengevaluasi nilai kepentingan variabel model
Sebaiknya pertimbangkan hal berikut saat mengevaluasi nilai kepentingan variabel model:
Nilai kepentingan variabel harus selalu dievaluasi dalam kombinasi dengan pengetahuan domain.
Periksa nilai kepentingan variabel dari variabel relatif terhadap nilai kepentingan variabel dari variabel lain dalam versi model. Jangan mempertimbangkan nilai kepentingan variabel untuk variabel tunggal secara independen.
Bandingkan nilai kepentingan variabel dari variabel dalam versi model yang sama. Jangan membandingkan nilai kepentingan variabel dari variabel yang sama di seluruh versi model karena nilai kepentingan variabel dari variabel dalam versi model mungkin berbeda dari nilai variabel yang sama dalam versi model yang berbeda. Jika Anda menggunakan variabel dan dataset yang sama untuk melatih versi model yang berbeda, ini tidak selalu menghasilkan nilai kepentingan variabel yang sama.
Melihat peringkat kepentingan variabel model
Setelah pelatihan model selesai, Anda dapat melihat peringkat kepentingan variabel model versi model terlatih Anda di konsol Amazon Fraud Detector atau dengan menggunakan DescribeModelVersion API.
Untuk melihat peringkat kepentingan variabel model menggunakan konsol,
-
Buka Kon AWS sol dan masuk ke akun Anda. Arahkan ke Amazon Fraud Detector.
-
Di panel navigasi kiri, pilih Model.
-
Pilih model Anda dan kemudian versi model Anda.
-
Pastikan tab Ikh tisar dipilih.
-
Gulir ke bawah untuk melihat panel kepentingan variabel Model.
Memahami bagaimana nilai kepentingan variabel model dihitung
Setelah menyelesaikan setiap pelatihan versi model, Amazon Fraud Detector secara otomatis menghasilkan nilai kepentingan variabel model dan metrik kinerja model. Untuk ini, Amazon Fraud Detector menggunakan ShaPley Additive Explications (SHA
SHAP pertama-tama memberikan kontribusi dari setiap variabel model untuk prediksi suatu peristiwa. Kemudian, ia menggabungkan prediksi ini untuk membuat peringkat variabel di tingkat model. Untuk menetapkan kontribusi setiap variabel model untuk prediksi, SHAP mempertimbangkan perbedaan dalam keluaran model di antara semua kemungkinan kombinasi variabel. Dengan memasukkan semua kemungkinan memasukkan atau menghapus set variabel tertentu untuk menghasilkan output model, SHAP dapat secara akurat mengakses pentingnya setiap variabel model. Ini sangat penting ketika variabel model sangat berkorelasi satu sama lain.
Model ML, dalam banyak kasus, tidak memungkinkan Anda untuk menghapus variabel. Sebagai gantinya, Anda dapat mengganti variabel yang dihapus atau hilang dalam model dengan nilai variabel yang sesuai dari satu atau lebih garis dasar (misalnya, peristiwa non-penipuan). Memilih instance baseline yang tepat mungkin sulit, tetapi Amazon Fraud Detector mempermudah hal ini dengan menetapkan baseline ini sebagai rata-rata populasi untuk Anda.
