Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Crea un modello

I modelli Amazon Fraud Detector imparano a rilevare le frodi per un tipo di evento specifico. In Amazon Fraud Detector, devi prima creare un modello che funge da contenitore per le versioni del tuo modello. Ogni volta che si addestra un modello, viene creata una nuova versione. Per i dettagli su come creare e addestrare un modello utilizzando la AWS Console, consultaFase 3: Creazione del modello.

Ogni modello ha una variabile di punteggio del modello corrispondente. Amazon Fraud Detector crea questa variabile per tuo conto quando crei un modello. Puoi utilizzare questa variabile nelle espressioni delle regole per interpretare i punteggi del modello durante una valutazione delle frodi.

Addestra e distribuisci un modello utilizzando il AWS SDK for Python (Boto3)

Una versione del modello viene creata chiamando le CreateModelVersion operazioni CreateModel and. CreateModelavvia il modello, che funge da contenitore per le versioni del modello. CreateModelVersionavvia il processo di addestramento, che si traduce in una versione specifica del modello. Una nuova versione della soluzione viene creata ogni volta che si richiama CreateModelVersion.

L'esempio seguente mostra una richiesta di esempio per CreateModelAPI. Questo esempio crea un tipo di modello Online Fraud Insights e presuppone che tu abbia creato un tipo di sample_registration evento. Per ulteriori dettagli sulla creazione di un tipo di evento, vedereCrea un tipo di evento.

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.create_model (
modelId = 'sample_fraud_detection_model',
eventTypeName = 'sample_registration',
modelType = 'ONLINE_FRAUD_INSIGHTS')

Addestra la tua prima versione usando il CreateModelVersionAPI. Per il TrainingDataSource e ExternalEventsDetail specifica l'origine e la posizione in Amazon S3 del set di dati di addestramento. Per TrainingDataSchema specificare come Amazon Fraud Detector deve interpretare i dati di addestramento, in particolare quali variabili di evento includere e come classificare le etichette degli eventi. Per impostazione predefinita, Amazon Fraud Detector ignora gli eventi senza etichetta. Questo codice di esempio utilizza AUTO for unlabeledEventsTreatment per specificare che Amazon Fraud Detector decide come utilizzare gli eventi senza etichetta.

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.create_model_version (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
trainingDataSource = 'EXTERNAL_EVENTS',
trainingDataSchema = {
    'modelVariables' : ['ip_address', 'email_address'],
    'labelSchema' : {
        'labelMapper' : {
            'FRAUD' : ['fraud'],
            'LEGIT' : ['legit']
        }
       unlabeledEventsTreatment = 'AUTO'
    }
}, 
externalEventsDetail = {
    'dataLocation' : 's3://bucket/file.csv',
    'dataAccessRoleArn' : 'role_arn'
}
)

Una richiesta andata a buon fine produrrà una nuova versione del modello con stato. TRAINING_IN_PROGRESS In qualsiasi momento durante il corso di formazione, puoi annullarlo chiamando UpdateModelVersionStatus e aggiornando lo stato aTRAINING_CANCELLED. Una volta completato l'addestramento, lo stato della versione del modello verrà aggiornato aTRAINING_COMPLETE. Puoi esaminare le prestazioni del modello utilizzando la console Amazon Fraud Detector o chiamando. DescribeModelVersions Per ulteriori informazioni su come interpretare i punteggi e le prestazioni dei modelli, consulta Punteggi del modello eMetriche delle prestazioni del modello.

Dopo aver esaminato le prestazioni del modello, attivalo per renderlo disponibile ai rilevatori per le previsioni di frode in tempo reale. Amazon Fraud Detector distribuirà il modello in più zone di disponibilità per la ridondanza con l'auto-scaling attivato per garantire che il modello si adatti al numero di previsioni di frode che stai facendo. Per attivare il modello, chiama e aggiorna lo stato a. UpdateModelVersionStatus API ACTIVE

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.update_model_version_status (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
modelVersionNumber = '1.00',
status = 'ACTIVE'
)