기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
변수 만들기
변수 생성 명령을 사용하거나 를 사용하거나 Amazon Fraud Detector 콘솔에서 변수를
Amazon 사기 탐지기 콘솔을 사용하여 변수 생성
이 예제에서는 두 개의 변수 및 를 만들어 해당 변수 유형 (EMAIL_ADDRESS
및IP_ADDRESS
) 에 할당합니다. email_address
ip_address
이러한 변수가 예제로 사용됩니다. 모델 학습에 사용할 변수를 만들려면 데이터셋에서 사용 사례에 적합한 변수를 사용하세요. 변수를 만들기 가변 인리치먼트 전에 변수 유형 및 에 대해 읽어보세요.
변수를 만들려면
-
AWS관리 콘솔을
열고 계정에 로그인합니다. -
Amazon Fraud Detector로 이동하여 왼쪽 탐색 메뉴에서 변수를 선택한 다음 생성을 선택합니다.
-
새 변수 페이지에서 변수
email_address
이름으로 를 입력합니다. 변수에 대한 설명을 입력할 수도 있습니다. -
변수 유형에서 이메일 주소를 선택합니다.
-
이 변수 유형은 사전 정의되어 있으므로 Amazon Fraud Detector는 이 변수 유형에 대한 데이터 유형을 자동으로 선택합니다. 변수에 변수 유형이 자동으로 할당되지 않는 경우 목록에서 변수 유형을 선택합니다. 자세한 정보는 변수 유형을 참조하세요.
-
변수에 기본값을 제공하려면 사용자 지정 기본값 정의를 선택하고 변수의 기본값을 입력합니다. 이 예를 따르는 경우 이 단계를 건너뛰십시오.
-
Create(생성)를 선택합니다.
-
email_address 개요 페이지에서 방금 생성한 변수의 세부 정보를 확인합니다.
업데이트가 필요한 경우 편집을 선택하고 업데이트를 제공하십시오. 변경 사항 저장을 선택합니다.
-
프로세스를 반복하여 다른 변수를
ip_address
생성하고 변수 유형으로 IP 주소를 선택합니다. -
변수 페이지에는 새로 만든 변수가 표시됩니다.
중요
데이터셋에서 원하는 만큼 변수를 만드는 것이 좋습니다. 나중에 이벤트 유형을 생성할 때 사기를 탐지하고 사기 탐지를 생성하도록 모델을 학습시키는 데 포함할 변수를 결정할 수 있습니다.
를 사용하여 변수 만들기 AWS SDK for Python (Boto3)
다음 예제는 CreateVariableAPI에 대한 요청을 보여줍니다. 이 예제에서는 두 개의 변수 및 를 만들어 해당 변수 유형 (EMAIL_ADDRESS
및IP_ADDRESS
) 에 할당합니다. email_address
ip_address
이러한 변수가 예제로 사용됩니다. 모델 학습에 사용할 변수를 만들려면 데이터셋에서 사용 사례에 적합한 변수를 사용하세요. 변수를 만들기 가변 인리치먼트 전에 변수 유형 및 에 대해 읽어보세요.
반드시 가변 소스를 지정해야 합니다. 변수 값이 파생되는 위치를 식별하는 데 도움이 됩니다. 변수 소스가 EVENT인 경우 변수 값은 GetEventPrediction요청의 일부로 전송됩니다. 변수 값이 인 경우 해당 값은 MODEL_SCORE
Amazon 사기 탐지기로 채워집니다. 변수 값이 가져온 SageMaker 모델로 채워지는 경우 EXTERNAL_MODEL_SCORE
import boto3 fraudDetector = boto3.client('frauddetector') #Create variable email_address fraudDetector.create_variable( name = 'email_address', variableType = 'EMAIL_ADDRESS', dataSource = 'EVENT', dataType = 'STRING', defaultValue = '<unknown>' ) #Create variable ip_address fraudDetector.create_variable( name = 'ip_address', variableType = 'IP_ADDRESS', dataSource = 'EVENT', dataType = 'STRING', defaultValue = '<unknown>' )