本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
模型分数
Amazon Fraud Detector 为不同的模型类型生成模型分数的方式不同。
对于账户接管见解 (ATI) 模型,Amazon Fraud Detector 仅使用汇总值(通过组合一组原始变量计算得出的值)来生成模型分数。新实体的第一个事件得分为 -1,表示存在未知风险。这是因为对于新实体,用于计算聚合的值将为零或空。Account Takeeover Insights (ATI) 模型为同一实体和现有实体的所有后续事件生成介于 0 到 1000 之间的模型分数,其中 0 表示欺诈风险低,1000 表示欺诈风险高。对于 ATI 模型,模型分数与挑战率 (CR) 直接相关。例如,500分对应于估计的5%的挑战率,而900分对应于估计的0.1%的挑战率。
对于在线欺诈见解 (OFI) 和交易欺诈洞察 (TFI) 模型,Amazon Fraud Detector 使用汇总值(通过组合一组原始变量计算得出的值)和原始值(为变量提供的值)来生成模型分数。模型分数可以介于 0 到 1000 之间,其中 0 表示欺诈风险低,1000 表示欺诈风险高。对于 OFI 和 TFI 模型,模型分数与误报率 (FPR) 直接相关。例如,600分数对应于估计的10%的假阳性率,而900分对应于估计的2%的假阳性率。下表详细说明了某些模型分数与估计的误报率的相关性。
模特分数 | 估计 FPR |
---|---|
975 |
0.50% |
950 |
1% |
900 |
2% |
860 |
3% |
775 |
5% |
700 |
7% |
600 |
10% |