문제 해결

문제 유형: 오류

설명

50개 미만의 행에는 사기 이벤트로 레이블이 지정됩니다. 사기 이벤트와 합법적인 이벤트가 모두 최소 수인 50개를 초과하는지 확인하고 모델을 재훈련합니다.

원인

이 오류는 데이터 세트에 모델 훈련에 필요한 것보다 사기로 레이블이 지정된 이벤트가 적은 경우에 발생합니다. Amazon Fraud Detector는 모델을 훈련하기 위해 최소 50개의 사기 이벤트가 필요합니다.

솔루션

데이터 세트에 최소 50개의 사기 이벤트가 포함되어 있는지 확인합니다. 필요한 경우 더 긴 기간을 포함시켜 이를 보장할 수 있습니다.

문제 유형: 오류

설명

50개 미만의 행에는 합법적인 이벤트로 레이블이 지정됩니다. 사기 및 합법적인 이벤트가 최소 $threshold 수를 초과하는지 확인하고 모델을 재훈련합니다.

원인

이 오류는 데이터 세트에 모델 훈련에 필요한 것보다 합법적인 것으로 레이블이 지정된 이벤트가 적은 경우에 발생합니다. Amazon Fraud Detector는 모델을 훈련하기 위해 최소 50개의 합법적인 이벤트가 필요합니다.

솔루션

데이터 세트에 최소 50개의 합법적인 이벤트가 포함되어 있는지 확인합니다. 필요한 경우 더 긴 기간을 포함시켜 이를 보장할 수 있습니다.

문제 유형: 오류

설명

사기와 관련된 고유 엔터티의 수가 100개 미만입니다. 성능을 개선하기 위해 사기 엔터티의 더 많은 예를 포함하는 것이 좋습니다.

원인

이 오류는 데이터 세트에 모델 훈련에 필요한 것보다 사기 이벤트가 있는 개체가 적은 경우에 발생합니다. TFI(Transaction Fraud Insights) 모델은 사기 이벤트가 있는 최소 100개의 엔터티가 사기 공간을 최대한 포함하도록 요구합니다. 소규모 엔터티 그룹에서 모든 사기 이벤트를 수행하는 경우 모델이 제대로 일반화되지 않을 수 있습니다.

솔루션

데이터 세트에 사기 이벤트가 있는 엔터티가 100개 이상 포함되어 있는지 확인합니다. 필요한 경우이 기간이 더 긴지 확인할 수 있습니다.

문제 유형: 오류

설명

합법적인와 연결된 고유 엔터티의 수가 100개 미만입니다. 성능을 개선하기 위해 합법적인 엔터티의 더 많은 예를 포함하는 것이 좋습니다.

원인

이 오류는 데이터 세트에 모델 훈련에 필요한 것보다 합법적인 이벤트가 있는 개체가 적은 경우에 발생합니다. TFI(Transaction Fraud Insights) 모델은 사기 공간을 최대한 활용하려면 합법적인 이벤트가 있는 최소 100개의 개체가 필요합니다. 소규모 엔터티 그룹에서 모든 합법적인 이벤트를 수행하는 경우 모델이 제대로 일반화되지 않을 수 있습니다.

솔루션

데이터 세트에 합법적인 이벤트가 있는 엔터티가 100개 이상 포함되어 있는지 확인합니다. 필요한 경우이 기간이 더 긴지 확인할 수 있습니다.

문제 유형: 오류

설명

데이터 세트에 100개 미만의 행이 있습니다. 전체 데이터 세트에 100개 이상의 행이 있고 50개 이상의 행에 사기로 레이블이 지정되어 있는지 확인합니다.

원인

이 오류는 데이터 세트에 레코드가 100개 미만인 경우에 발생합니다. Amazon Fraud Detector는 모델 훈련을 위해 데이터 세트에 있는 최소 100개의 이벤트(레코드)의 데이터가 필요합니다.

솔루션

데이터 세트에 100개가 넘는 이벤트의 데이터가 있는지 확인합니다.

문제 유형: 오류

설명

EVENT_LABEL 열의 1% 이상이 null이거나 모델 구성에 정의된 값 이외의 값입니다$label_values. EVENT_LABEL 열에 누락된 값이 1% 미만이고 값이 모델 구성에 정의된 값인지 확인합니다$label_values.

원인

이 오류는 다음 이유 중 하나로 인해 발생합니다.

온라인 사기 인사이트(OFI) 모델에서는 각 레코드의 EVENT_LABEL 열을 이벤트 유형과 연결된 레이블 중 하나로 채워야 합니다(또는에 매핑됨CreateModelVersion).

솔루션

이 오류가 EVENT_LABEL 값 누락으로 인한 경우 해당 레코드에 적절한 레이블을 할당하거나 데이터 세트에서 해당 레코드를 삭제하는 것이 좋습니다. 일부 레코드의 레이블이에 속하지 않기 때문에이 오류가 발생하는 경우 EVENT_LABEL 열의 모든 값을 이벤트 유형의 레이블에 추가하고 모델 생성 시 사기 또는 합법적인(사기, 적법)에 매핑해야 label_values합니다.

문제 유형: 정보

설명

EVENT_LABEL 열에는 모델 구성에 정의된 값 이외의 null 값 또는 레이블 값이 포함되어 있습니다$label_values. 이러한 일관되지 않은 값은 훈련 전에 '사기 아님'으로 변환되었습니다.

원인

다음 이유 중 하나로 인해이 정보를 얻을 수 있습니다.

두 경우 모두 모델 훈련이 성공합니다. 그러나 레이블 값이 누락되거나 매핑되지 않은 이벤트의 레이블 값은 합법적인 것으로 변환됩니다. 이것이 문제라고 생각되면 아래 제공된 솔루션을 따르세요.

솔루션

데이터 세트에 EVENT_LABEL 값이 누락된 경우 데이터 세트에서 해당 레코드를 삭제하는 것이 좋습니다. 해당 EVENT_LABELS에 대해 제공된 값이 매핑되지 않은 경우 이러한 모든 값이 각 이벤트에 대해 사기 또는 합법적(사기, 적법)으로 매핑되어야 합니다.

문제 유형: 오류

설명

훈련 데이터 세트에는 허용되는 형식을 준수하지 않는 타임스탬프가 있는 EVENT_TIMESTAMP가 포함되어 있습니다. 형식이 허용되는 날짜/타임스탬프 형식 중 하나인지 확인합니다.

원인

이 오류는 EVENT_TIMESTAMP 열에 Amazon Fraud Detector에서 지원하는 타임스탬프 형식을 준수하지 않는 값이 포함된 경우 발생합니다.

솔루션

EVENT_TIMESTAMP 열에 제공된 값이 지원되는 타임스탬프 형식을 준수하는지 확인합니다. EVENT_TIMESTAMP 열에 누락된 값이 있는 경우 지원되는 타임스탬프 형식을 사용하여 값을 채우거나 , 또는와 같은 문자열을 입력하는 대신 이벤트를 완전히 삭제하는 것을 고려할 수 있습니다nonenullmissing.

문제 유형: 오류

훈련 데이터 세트에는 누락된 값이 있는 EVENT_TIMESTAMP가 포함되어 있습니다. 누락된 값이 없는지 확인합니다.

원인

이 오류는 데이터 세트의 EVENT_TIMESTAMP 열에 누락된 값이 있는 경우 발생합니다. Amazon Fraud Detector를 사용하려면 데이터 세트의 EVENT_TIMESTAMP 열에 값이 있어야 합니다.

솔루션

데이터 세트의 EVENT_TIMESTAMP 열에 값이 있고 해당 값이 지원되는 타임스탬프 형식을 준수하는지 확인합니다. EVENT_TIMESTAMP 열에 누락된 값이 있는 경우 지원되는 타임스탬프 형식을 사용하여 값을 채우거나 , 또는와 같은 문자열을 입력하는 대신 이벤트를 완전히 삭제하는 것을 고려할 수 있습니다nonenullmissing.

문제 유형: 정보

설명

$email_variable_name 값의 50% 이상이 예상 정규식 http://emailregex.com 일치하지 않습니다. 데이터 세트$email_variable_name에서를 수정하고 성능을 개선하기 위해 재학습하는 것이 좋습니다.

원인

이 정보는 데이터 세트의 레코드가 50%를 초과하는 경우 일반 이메일 표현식을 준수하지 않아 검증에 실패하는 이메일 값이 있는 경우에 표시됩니다.

솔루션

정규식을 준수하도록 이메일 변수 값의 형식을 지정합니다. 누락된 이메일 값이 있는 경우 , none null또는와 같은 문자열로 채우는 대신 빈 상태로 두는 것이 좋습니다missing.

문제 유형: 정보

설명

$IP_variable_name 값의 50% 이상이 IPv4 또는 IPv6 주소 https://digitalfortress.tech/tricks/top-15-commonly-used-regex/ 정규식과 일치하지 않습니다. 데이터 세트$IP_variable_name에서를 수정하고 성능을 개선하기 위해 재학습하는 것이 좋습니다.

원인

이 정보는 데이터 세트의 레코드가 50%를 초과하여 IP 값이 정규 IP 표현식을 준수하지 않아 검증에 실패하는 경우에 표시됩니다.

솔루션

정규식을 준수하도록 IP 값의 형식을 지정합니다. 누락된 IP 값이 있는 경우 , none null또는와 같은 문자열로 채우는 대신 빈 상태로 두는 것이 좋습니다missing.

문제 유형: 정보

설명

$phone_variable_name 값의 50% 이상이 기본 전화 정규식 /$pattern/과 일치하지 않습니다. 데이터 세트$phone_variable_name에서를 수정하고 성능을 개선하기 위해 재학습하는 것이 좋습니다.

원인

이 정보는 데이터 세트의 레코드가 50%를 초과하는 경우 일반 전화번호 표현식을 준수하지 않아 검증에 실패하는 전화번호로 표시됩니다.

솔루션

정규식을 준수하도록 전화번호의 형식을 지정합니다. 전화번호가 누락된 경우 , none null또는와 같은 문자열로 채우지 말고 비워 두는 것이 좋습니다missing.