Bagian A: Membangun, melatih, dan menerapkan model Amazon Fraud Detector - Amazon Fraud Detector

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Bagian A: Membangun, melatih, dan menerapkan model Amazon Fraud Detector

Di bagian A, Anda menentukan kasus penggunaan bisnis Anda, menentukan acara Anda, membuat model, melatih model, mengevaluasi kinerja model, dan menerapkan model.

  • Pada langkah ini, Anda menggunakan penjelajah model data untuk mencocokkan kasus penggunaan bisnis Anda dengan jenis model deteksi penipuan yang didukung oleh Amazon Fraud Detector. Data models explorer adalah alat yang terintegrasi dengan konsol Amazon Fraud Detector yang merekomendasikan jenis model yang akan digunakan untuk membuat dan melatih model deteksi penipuan untuk kasus penggunaan bisnis Anda. Penjelajah model data juga memberikan wawasan tentang elemen data wajib, direkomendasikan, dan opsional yang perlu Anda sertakan dalam kumpulan data Anda. Dataset akan digunakan untuk membuat dan melatih model deteksi penipuan Anda.

    Untuk tujuan tutorial ini, kasus penggunaan bisnis Anda adalah pendaftaran akun baru. Setelah Anda menentukan kasus penggunaan bisnis Anda, penjelajah model data akan merekomendasikan jenis model untuk membuat model deteksi penipuan dan juga akan memberi Anda daftar elemen data yang Anda perlukan untuk membuat kumpulan data Anda. Karena Anda telah mengunggah kumpulan data sampel yang berisi data dari pendaftaran akun baru, Anda tidak perlu membuat kumpulan data baru.

    1. Buka KonsolAWS Manajemen dan masuk ke akun Anda. Arahkan ke Amazon Fraud Detector.

    2. Di panel navigasi kiri, pilih Penjelajah model data.

    3. Di halaman Penjelajah model data, di bawah Kasus penggunaan bisnis, pilih Penipuan akun baru.

    4. Amazon Fraud Detector menampilkan jenis model yang direkomendasikan untuk digunakan untuk membuat model deteksi penipuan untuk kasus penggunaan bisnis yang dipilih. Jenis model mendefinisikan algoritme, pengayaan, dan transformasi yang akan digunakan Amazon Fraud Detector untuk melatih model deteksi penipuan Anda.

      Perhatikan tipe model yang direkomendasikan. Anda akan memerlukan ini nanti saat membuat model.

    5. Panel wawasan model data memberikan wawasan tentang elemen data wajib dan direkomendasikan yang diperlukan untuk membuat dan melatih model deteksi penipuan.

      Lihatlah contoh dataset yang Anda download dan pastikan bahwa ia memiliki semua wajib dan beberapa elemen data yang direkomendasikan tercantum dalam tabel.

      Kemudian ketika Anda membuat model untuk kasus penggunaan bisnis spesifik Anda, Anda akan menggunakan wawasan yang disediakan untuk membuat kumpulan data Anda.

  • Pada langkah ini, Anda menentukan aktivitas bisnis (acara) untuk mengevaluasi penipuan. Mendefinisikan acara melibatkan pengaturan variabel yang ada di kumpulan data, acara yang memulai entitas, dan label yang menggolkan acara. Untuk tutorial ini, Anda menentukan acara pendaftaran akun.

    1. Buka KonsolAWS Manajemen dan masuk ke akun Anda. Arahkan ke Amazon Fraud Detector.

    2. Di panel navigasi kiri, pilih peristiwa.

    3. Di halaman Jenis peristiwa, pilih Buat.

    4. Di bawah Detail jenis peristiwa, masukkansample_registration sebagai nama jenis acara dan, secara opsional, masukkan deskripsi acara.

    5. Untuk Entitas, pilih Buat entitas.

    6. Di halaman Buat entitas, masukkansample_customer sebagai nama jenis entitas. Secara opsional, masukkan deskripsi tipe entitas.

    7. Pilih Buat entitas.

    8. Di bawah Variabel peristiwa, untuk Pilih cara menentukan variabel acara ini, pilih Pilih variabel dari kumpulan data pelatihan.

    9. Untuk peran IAM, pilih Buat peran IAM.

    10. Di halaman Buat peran IAM, masukkan nama bucket S3 tempat Anda mengunggah data contoh dan pilih Buat peran.

    11. Di Lokasi data, masukkan jalur ke data contoh Anda. Ini adalahS3 URI jalur yang Anda simpan setelah mengunggah data contoh. Jalannya mirip dengan ini:S3://your-bucket-name/example dataset filename.csv.

    12. Pilih Upload (Unggah).

      Amazon Fraud Detector mengekstrak header dari file data contoh Anda dan memetakannya dengan tipe variabel. Pemetaan ditampilkan di konsol.

    13. Di bawah Label - opsional, untuk Label, pilih Buat label baru.

    14. Dalam Buat halaman label, masukkanfraud sebagai nama. Label ini sesuai dengan nilai yang mewakili pendaftaran akun penipuan dalam kumpulan data contoh.

    15. Pilih Buat label.

    16. Buat label kedua, lalu masukkanlegit sebagai nama. Label ini sesuai dengan nilai yang mewakili pendaftaran akun yang sah dalam kumpulan data contoh.

    17. Pilih Buat jenis acara.

  1. Pada halaman Model, pilih Add model, lalu pilih Create model.

  2. Untuk Langkah 1 - Tentukan detail model, masukkansample_fraud_detection_model sebagai nama model. Secara opsional, tambahkan deskripsi model.

  3. Untuk Tipe Model, pilih model Wawasan Penipuan Online.

  4. Untuk jenis Event, pilih sample_registration. Ini adalah jenis peristiwa yang Anda buat di Langkah 1.

  5. Dalam Data peristiwa historis,

    1. Di Sumber data peristiwa, pilih Data peristiwa yang disimpan di S3.

    2. Untuk peran IAM, pilih peran yang Anda buat di Langkah 1.

    3. Di Lokasi data pelatihan, masukkan jalur URI S3 ke file data contoh Anda.

  6. Pilih Selanjutnya.

  1. Di input Model, biarkan semua kotak centang dicentang. Secara default, Amazon Fraud Detector menggunakan semua variabel dari kumpulan data peristiwa historis Anda sebagai input model.

  2. Dalam Klasifikasi Label, untuk label Penipuan pilih penipuan karena label ini sesuai dengan nilai yang mewakili peristiwa penipuan dalam kumpulan data contoh. Untuk label yang sah, pilih legit karena label ini sesuai dengan nilai yang mewakili peristiwa yang sah dalam kumpulan data contoh.

  3. Untuk perawatan peristiwa tak berlabel, simpan pilihan default Abaikan peristiwa yang tidak berlabel untuk kumpulan data contoh ini.

  4. Pilih Selanjutnya.

  5. Setelah meninjau, pilih Buat dan latih model. Amazon Fraud Detector membuat model dan mulai melatih versi baru model.

    Dalam versi Model kolom Status menunjukkan status pelatihan model. Pelatihan model yang menggunakan kumpulan data contoh membutuhkan waktu sekitar 45 menit untuk menyelesaikannya. Status berubah menjadi Siap untuk diterapkan setelah pelatihan model selesai.

Langkah penting dalam menggunakan Amazon Fraud Detector adalah menilai keakuratan model Anda menggunakan skor model dan metrik kinerja. Setelah pelatihan model selesai, Amazon Fraud Detector memvalidasi kinerja model menggunakan 15% data Anda yang tidak digunakan untuk melatih model dan menghasilkan skor kinerja model dan metrik kinerja lainnya.

  1. Untuk melihat kinerja model,

    1. Pada panel navigasi kiri konsol Fraud Detector pilih Model.

    2. Di halaman Model, pilih model yang baru saja Anda latih (sample_fraud_detection_model), lalu pilih 1.0. Ini adalah versi Amazon Fraud Detector yang dibuat dari model Anda.

  2. Lihatlah skor keseluruhan kinerja Model dan semua metrik lain yang dihasilkan Amazon Fraud Detector untuk model ini.

    Untuk mempelajari lebih lanjut tentang skor kinerja model dan metrik kinerja di halaman ini, lihatSkor model danMetrik kinerja model.

    Anda dapat mengharapkan semua model Amazon Fraud Detector terlatih memiliki metrik kinerja deteksi penipuan dunia nyata yang mirip dengan metrik kinerja yang Anda lihat untuk model dalam tutorial ini.

Setelah Anda meninjau metrik kinerja model terlatih Anda dan siap menggunakannya menghasilkan prediksi penipuan, Anda dapat menerapkan model.

  1. Di panel navigasi kiri konsol Amazon Fraud Detector, pilih Model.

  2. Di halaman Model, pilih sample_fraud_detection_model, lalu pilih versi model spesifik yang ingin Anda terapkan. Untuk tutorial ini, pilih 1.0.

  3. Pada halaman versi Model, pilih Tindakan dan kemudian pilih Deploy versi model.

  4. Dalam versi Model, Status menunjukkan status penyebaran. Status berubah menjadi Aktif setelah deployment selesai. Ini menunjukkan bahwa versi model diaktifkan dan tersedia untuk menghasilkan prediksi penipuan. Lanjutkan denganBagian B: Menghasilkan prediksi penipuan untuk menyelesaikan langkah-langkah untuk menghasilkan prediksi penipuan.