파트 A: Amazon Fraud Detector 모델 구축, 훈련 및 배포

PDF

RSS

포커스 모드

파트 A: Amazon Fraud Detector 모델 구축, 훈련 및 배포 - Amazon Fraud Detector

파트 A에서는 비즈니스 사용 사례를 정의하고, 이벤트를 정의하고, 모델을 빌드하고, 모델을 훈련하고, 모델의 성능을 평가하고, 모델을 배포합니다.

이 단계에서는 데이터 모델 탐색기를 사용하여 비즈니스 사용 사례를 Amazon Fraud Detector에서 지원하는 사기 탐지 모델 유형과 일치시킵니다. 데이터 모델 탐색기는 Amazon Fraud Detector 콘솔과 통합된 도구로, 비즈니스 사용 사례에 맞는 사기 탐지 모델을 생성하고 훈련하는 데 사용할 모델 유형을 권장합니다. 또한 데이터 모델 탐색기는 데이터 세트에 포함해야 하는 필수, 권장 및 선택적 데이터 요소에 대한 인사이트를 제공합니다. 데이터 세트는 사기 탐지 모델을 생성하고 훈련하는 데 사용됩니다.

이 자습서에서 비즈니스 사용 사례는 새 계정 등록입니다. 비즈니스 사용 사례를 지정하면 데이터 모델 탐색기는 사기 탐지 모델을 생성하기 위한 모델 유형을 권장하고 데이터 세트를 생성하는 데 필요한 데이터 요소 목록도 제공합니다. 새 계정 등록의 데이터가 포함된 샘플 데이터 세트를 이미 업로드했으므로 새 데이터 세트를 생성할 필요가 없습니다.
1. AWS Management Console을 열고 계정에 로그인합니다. Amazon Fraud Detector로 이동합니다.
2. 왼쪽 탐색 창에서 데이터 모델 탐색기를 선택합니다.
3. 데이터 모델 탐색기 페이지의 비즈니스 사용 사례에서 새 계정 사기를 선택합니다.
4. Amazon Fraud Detector는 선택한 비즈니스 사용 사례에 대한 사기 탐지 모델을 생성하는 데 사용할 권장 모델 유형을 표시합니다. 모델 유형은 Amazon Fraud Detector가 사기 탐지 모델을 훈련하는 데 사용할 알고리즘, 보강 및 변환을 정의합니다.
  
  권장 모델 유형을 기록해 둡니다. 나중에 모델을 생성할 때이 정보가 필요합니다.
5. 데이터 모델 인사이트 창은 사기 탐지 모델을 생성하고 훈련하는 데 필요한 필수 및 권장 데이터 요소에 대한 인사이트를 제공합니다.
  
  다운로드한 샘플 데이터 세트를 살펴보고 테이블에 나열된 모든 필수 및 권장 데이터 요소가 있는지 확인합니다.
  
  나중에 특정 비즈니스 사용 사례에 맞는 모델을 생성할 때 제공된 인사이트를 사용하여 데이터 세트를 생성합니다.

1단계: 비즈니스 사용 사례 선택

이 단계에서는 데이터 모델 탐색기를 사용하여 비즈니스 사용 사례를 Amazon Fraud Detector에서 지원하는 사기 탐지 모델 유형과 일치시킵니다. 데이터 모델 탐색기는 Amazon Fraud Detector 콘솔과 통합된 도구로, 비즈니스 사용 사례에 맞는 사기 탐지 모델을 생성하고 훈련하는 데 사용할 모델 유형을 권장합니다. 또한 데이터 모델 탐색기는 데이터 세트에 포함해야 하는 필수, 권장 및 선택적 데이터 요소에 대한 인사이트를 제공합니다. 데이터 세트는 사기 탐지 모델을 생성하고 훈련하는 데 사용됩니다.

이 자습서에서 비즈니스 사용 사례는 새 계정 등록입니다. 비즈니스 사용 사례를 지정하면 데이터 모델 탐색기는 사기 탐지 모델을 생성하기 위한 모델 유형을 권장하고 데이터 세트를 생성하는 데 필요한 데이터 요소 목록도 제공합니다. 새 계정 등록의 데이터가 포함된 샘플 데이터 세트를 이미 업로드했으므로 새 데이터 세트를 생성할 필요가 없습니다.
1. AWS Management Console을 열고 계정에 로그인합니다. Amazon Fraud Detector로 이동합니다.
2. 왼쪽 탐색 창에서 데이터 모델 탐색기를 선택합니다.
3. 데이터 모델 탐색기 페이지의 비즈니스 사용 사례에서 새 계정 사기를 선택합니다.
4. Amazon Fraud Detector는 선택한 비즈니스 사용 사례에 대한 사기 탐지 모델을 생성하는 데 사용할 권장 모델 유형을 표시합니다. 모델 유형은 Amazon Fraud Detector가 사기 탐지 모델을 훈련하는 데 사용할 알고리즘, 보강 및 변환을 정의합니다.
  
  권장 모델 유형을 기록해 둡니다. 나중에 모델을 생성할 때이 정보가 필요합니다.
5. 데이터 모델 인사이트 창은 사기 탐지 모델을 생성하고 훈련하는 데 필요한 필수 및 권장 데이터 요소에 대한 인사이트를 제공합니다.
  
  다운로드한 샘플 데이터 세트를 살펴보고 테이블에 나열된 모든 필수 및 권장 데이터 요소가 있는지 확인합니다.
  
  나중에 특정 비즈니스 사용 사례에 맞는 모델을 생성할 때 제공된 인사이트를 사용하여 데이터 세트를 생성합니다.

이 단계에서는 사기를 평가할 비즈니스 활동(이벤트)을 정의합니다. 이벤트를 정의하려면 데이터 세트에 있는 변수, 이벤트를 시작하는 개체 및 이벤트를 분류하는 레이블을 설정해야 합니다. 이 자습서에서는 계정 등록 이벤트를 정의합니다.
1. AWS Management Console을 열고 계정에 로그인합니다. Amazon Fraud Detector로 이동합니다.
2. 왼쪽 탐색 창에서 이벤트를 선택합니다.
3. 이벤트 유형 페이지에서 생성을 선택합니다.
4. 이벤트 유형 세부 정보에서 이벤트 유형 이름으로 sample_registration를 입력하고 선택적으로 이벤트에 대한 설명을 입력합니다.
5. 개체에서 개체 생성을 선택합니다.
6. 개체 생성 페이지에서 개체 유형 이름으로 sample_customer를 입력합니다. 선택적으로 개체 유형에 대한 설명을 입력합니다.
7. 개체 생성을 선택합니다.
8. 이벤트 변수의 이 이벤트의 변수를 정의하는 방법 선택에서 훈련 데이터 세트에서 변수 선택을 선택합니다.
9. IAM 역할에서 IAM 역할 생성을 선택합니다.
10. IAM 역할 생성 페이지에서 예제 데이터를 업로드한 S3 버킷의 이름을 입력하고 역할 생성을 선택합니다.
11. 데이터 위치에 예제 데이터의 경로를 입력합니다. 예제 데이터를 업로드한 후 저장한 S3 URI 경로입니다. 경로는와 비슷합니다S3://your-bucket-name/example dataset filename.csv.
12. 업로드를 선택합니다.
  
  Amazon Fraud Detector는 예제 데이터 파일에서 헤더를 추출하여 변수 유형으로 매핑합니다. 매핑은 콘솔에 표시됩니다.
13. 레이블 - 선택 사항에서 레이블에 대해 새 레이블 생성을 선택합니다.
14. 레이블 생성 페이지에서 이름으로 fraud를 입력합니다. 이 레이블은 예제 데이터 세트의 사기 계정 등록을 나타내는 값에 해당합니다.
15. 레이블 생성을 선택합니다.
16. 두 번째 레이블을 생성한 다음 이름으로 legit를 입력합니다. 이 레이블은 예제 데이터 세트의 합법적인 계정 등록을 나타내는 값에 해당합니다.
17. 이벤트 유형 생성을 선택합니다.

2단계: 이벤트 유형 생성

이 단계에서는 사기를 평가할 비즈니스 활동(이벤트)을 정의합니다. 이벤트를 정의하려면 데이터 세트에 있는 변수, 이벤트를 시작하는 개체 및 이벤트를 분류하는 레이블을 설정해야 합니다. 이 자습서에서는 계정 등록 이벤트를 정의합니다.
1. AWS Management Console을 열고 계정에 로그인합니다. Amazon Fraud Detector로 이동합니다.
2. 왼쪽 탐색 창에서 이벤트를 선택합니다.
3. 이벤트 유형 페이지에서 생성을 선택합니다.
4. 이벤트 유형 세부 정보에서 이벤트 유형 이름으로 sample_registration를 입력하고 선택적으로 이벤트에 대한 설명을 입력합니다.
5. 개체에서 개체 생성을 선택합니다.
6. 개체 생성 페이지에서 개체 유형 이름으로 sample_customer를 입력합니다. 선택적으로 개체 유형에 대한 설명을 입력합니다.
7. 개체 생성을 선택합니다.
8. 이벤트 변수의 이 이벤트의 변수를 정의하는 방법 선택에서 훈련 데이터 세트에서 변수 선택을 선택합니다.
9. IAM 역할에서 IAM 역할 생성을 선택합니다.
10. IAM 역할 생성 페이지에서 예제 데이터를 업로드한 S3 버킷의 이름을 입력하고 역할 생성을 선택합니다.
11. 데이터 위치에 예제 데이터의 경로를 입력합니다. 예제 데이터를 업로드한 후 저장한 S3 URI 경로입니다. 경로는와 비슷합니다S3://your-bucket-name/example dataset filename.csv.
12. 업로드를 선택합니다.
  
  Amazon Fraud Detector는 예제 데이터 파일에서 헤더를 추출하여 변수 유형으로 매핑합니다. 매핑은 콘솔에 표시됩니다.
13. 레이블 - 선택 사항에서 레이블에 대해 새 레이블 생성을 선택합니다.
14. 레이블 생성 페이지에서 이름으로 fraud를 입력합니다. 이 레이블은 예제 데이터 세트의 사기 계정 등록을 나타내는 값에 해당합니다.
15. 레이블 생성을 선택합니다.
16. 두 번째 레이블을 생성한 다음 이름으로 legit를 입력합니다. 이 레이블은 예제 데이터 세트의 합법적인 계정 등록을 나타내는 값에 해당합니다.
17. 이벤트 유형 생성을 선택합니다.

모델 페이지에서 모델 추가를 선택한 다음 모델 생성을 선택합니다.
1단계 - 모델 세부 정보 정의에 모델 이름으로 sample_fraud_detection_model를 입력합니다. 선택적으로 모델에 대한 설명을 추가합니다.
모델 유형에서 온라인 사기 인사이트 모델을 선택합니다.
이벤트 유형에서 sample_registration을 선택합니다. 1단계에서 생성한 이벤트 유형입니다.
과거 이벤트 데이터에서
1. 이벤트 데이터 소스에서 S3에 저장된 이벤트 데이터를 선택합니다.
2. IAM 역할에서 1단계에서 생성한 역할을 선택합니다.
3. 훈련 데이터 위치에 예제 데이터 파일의 S3 URI 경로를 입력합니다.
Next(다음)를 선택합니다.

3단계: 모델 생성

모델 페이지에서 모델 추가를 선택한 다음 모델 생성을 선택합니다.
1단계 - 모델 세부 정보 정의에 모델 이름으로 sample_fraud_detection_model를 입력합니다. 선택적으로 모델에 대한 설명을 추가합니다.
모델 유형에서 온라인 사기 인사이트 모델을 선택합니다.
이벤트 유형에서 sample_registration을 선택합니다. 1단계에서 생성한 이벤트 유형입니다.
과거 이벤트 데이터에서
1. 이벤트 데이터 소스에서 S3에 저장된 이벤트 데이터를 선택합니다.
2. IAM 역할에서 1단계에서 생성한 역할을 선택합니다.
3. 훈련 데이터 위치에 예제 데이터 파일의 S3 URI 경로를 입력합니다.
Next(다음)를 선택합니다.

모델 입력에서 모든 확인란을 선택한 상태로 둡니다. 기본적으로 Amazon Fraud Detector는 과거 이벤트 데이터 세트의 모든 변수를 모델 입력으로 사용합니다.
레이블 분류에서 사기 레이블은 예제 데이터 세트의 사기 이벤트를 나타내는 값에 해당하므로 사기 레이블에서 사기를 선택합니다. 합법적인 레이블의 경우이 레이블이 예제 데이터 세트의 합법적인 이벤트를 나타내는 값에 해당하므로 적법성을 선택합니다.
레이블이 지정되지 않은 이벤트 처리의 경우이 예제 데이터 세트에 대한 레이블이 지정되지 않은 이벤트 무시 기본 선택을 유지합니다.
Next(다음)를 선택합니다.
검토 후 모델 생성 및 훈련을 선택합니다. Amazon Fraud Detector는 모델을 생성하고 모델의 새 버전을 훈련하기 시작합니다.

모델 버전에서 상태 열은 모델 훈련의 상태를 나타냅니다. 예제 데이터 세트를 사용하는 모델 훈련을 완료하는 데 약 45분이 걸립니다. 모델 훈련이 완료된 후 상태가 배포 준비 완료로 변경됩니다.

4단계: 모델 훈련

모델 입력에서 모든 확인란을 선택한 상태로 둡니다. 기본적으로 Amazon Fraud Detector는 과거 이벤트 데이터 세트의 모든 변수를 모델 입력으로 사용합니다.
레이블 분류에서 사기 레이블은 예제 데이터 세트의 사기 이벤트를 나타내는 값에 해당하므로 사기 레이블에서 사기를 선택합니다. 합법적인 레이블의 경우이 레이블이 예제 데이터 세트의 합법적인 이벤트를 나타내는 값에 해당하므로 적법성을 선택합니다.
레이블이 지정되지 않은 이벤트 처리의 경우이 예제 데이터 세트에 대한 레이블이 지정되지 않은 이벤트 무시 기본 선택을 유지합니다.
Next(다음)를 선택합니다.
검토 후 모델 생성 및 훈련을 선택합니다. Amazon Fraud Detector는 모델을 생성하고 모델의 새 버전을 훈련하기 시작합니다.

모델 버전에서 상태 열은 모델 훈련의 상태를 나타냅니다. 예제 데이터 세트를 사용하는 모델 훈련을 완료하는 데 약 45분이 걸립니다. 모델 훈련이 완료된 후 상태가 배포 준비 완료로 변경됩니다.

Amazon Fraud Detector를 사용하는 중요한 단계는 모델 점수와 성능 지표를 사용하여 모델의 정확도를 평가하는 것입니다. 모델 훈련이 완료되면 Amazon Fraud Detector는 모델 훈련에 사용되지 않은 데이터의 15%를 사용하여 모델 성능을 검증하고 모델 성능 점수 및 기타 성능 지표를 생성합니다.

모델의 성능을 보려면
1. Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 모델을 선택합니다.
2. 모델 페이지에서 방금 훈련한 모델(sample_fraud_detection_model)을 선택한 다음 1.0을 선택합니다. 이 버전은 모델의 Amazon Fraud Detector가 생성한 버전입니다.
모델 성능 전체 점수와 Amazon Fraud Detector가이 모델에 대해 생성한 기타 모든 지표를 살펴봅니다.

이 페이지의 모델 성능 점수 및 성능 지표에 대한 자세한 내용은 모델 점수 및 섹션을 참조하세요모델 성능 지표.

훈련된 모든 Amazon Fraud Detector 모델에는이 자습서에서 모델에 대해 표시되는 성능 지표와 유사한 실제 사기 탐지 성능 지표가 있을 것으로 예상할 수 있습니다.

5단계: 모델 성능 검토

모델의 성능을 보려면
1. Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 모델을 선택합니다.
2. 모델 페이지에서 방금 훈련한 모델(sample_fraud_detection_model)을 선택한 다음 1.0을 선택합니다. 이 버전은 모델의 Amazon Fraud Detector가 생성한 버전입니다.
모델 성능 전체 점수와 Amazon Fraud Detector가이 모델에 대해 생성한 기타 모든 지표를 살펴봅니다.

이 페이지의 모델 성능 점수 및 성능 지표에 대한 자세한 내용은 모델 점수 및 섹션을 참조하세요모델 성능 지표.

훈련된 모든 Amazon Fraud Detector 모델에는이 자습서에서 모델에 대해 표시되는 성능 지표와 유사한 실제 사기 탐지 성능 지표가 있을 것으로 예상할 수 있습니다.

훈련된 모델의 성능 지표를 검토하고 이를 사용할 준비가 되면 사기 예측을 생성하여 모델을 배포할 수 있습니다.

Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 모델을 선택합니다.
모델 페이지에서 sample_fraud_detection_model을 선택한 다음 배포하려는 특정 모델 버전을 선택합니다. 이 자습서에서는 1.0을 선택합니다.
모델 버전 페이지에서 작업을 선택한 다음 모델 버전 배포를 선택합니다.
모델 버전에서 상태는 배포 상태를 표시합니다. 배포가 완료되면 상태가 활성으로 변경됩니다. 이는 모델 버전이 활성화되어 사기 예측을 생성하는 데 사용할 수 있음을 나타냅니다. 를 계속 진행파트 B: 사기 예측 생성하여 사기 예측을 생성하는 단계를 완료합니다.

6단계: 모델 배포

훈련된 모델의 성능 지표를 검토하고 이를 사용할 준비가 되면 사기 예측을 생성하여 모델을 배포할 수 있습니다.

Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 모델을 선택합니다.
모델 페이지에서 sample_fraud_detection_model을 선택한 다음 배포하려는 특정 모델 버전을 선택합니다. 이 자습서에서는 1.0을 선택합니다.
모델 버전 페이지에서 작업을 선택한 다음 모델 버전 배포를 선택합니다.
모델 버전에서 상태는 배포 상태를 표시합니다. 배포가 완료되면 상태가 활성으로 변경됩니다. 이는 모델 버전이 활성화되어 사기 예측을 생성하는 데 사용할 수 있음을 나타냅니다. 를 계속 진행파트 B: 사기 예측 생성하여 사기 예측을 생성하는 단계를 완료합니다.