A 部分：构建、训练和部署 Amazon Fraud Detector 模型

PDF

RSS

聚焦模式

A 部分：构建、训练和部署 Amazon Fraud Detector 模型 - Amazon Fraud Detector

在 A 部分中，您将定义业务用例、定义事件、构建模型、训练模型、评估模型的性能以及部署模型。

在此步骤中，您将使用数据模型浏览器将您的业务用例与 Amazon Fraud Detector 支持的欺诈检测模型类型进行匹配。数据模型浏览器是一款与 Amazon Fraud Detector 控制台集成的工具，它推荐一种模型类型，用于为您的业务用例创建和训练欺诈检测模型。Data Models Explorer 还提供对数据集中需要包含的必备、推荐和可选数据元素的见解。该数据集将用于创建和训练您的欺诈检测模型。

就本教程而言，您的业务用例是注册新账户。在您指定业务用例后，数据模型浏览器将推荐一种用于创建欺诈检测模型的模型类型，还将为您提供创建数据集所需的数据元素列表。由于您已经上传了包含新账户注册数据的示例数据集，因此无需创建新的数据集。
1. 打开 AWS 管理控制台，登录您的账户。导航到亚马逊 Fraud Detector。
2. 在左侧导航窗格中，选择数据模型资源管理器。
3. 在 “数据模型浏览器” 页面的 “业务用例” 下，选择 “新账户欺诈”。
4. Amazon Fraud Detector 会显示推荐的模型类型，用于为选定的业务用例创建欺诈检测模型。模型类型定义了 Amazon Fraud Detector 用于训练您的欺诈检测模型的算法、增强功能和转换。
  
  记下推荐的模型类型。稍后在创建模型时将需要这个。
5. 数据模型见解窗格提供了对创建和训练欺诈检测模型所需的必备和推荐数据元素的见解。
  
  查看您下载的示例数据集，并确保其中包含表中列出的所有必填数据元素和一些推荐的数据元素。
  
  稍后，当你为特定的业务用例创建模型时，你将使用所提供的见解来创建你的数据集。

第 1 步：选择您的业务用例

在此步骤中，您将使用数据模型浏览器将您的业务用例与 Amazon Fraud Detector 支持的欺诈检测模型类型进行匹配。数据模型浏览器是一款与 Amazon Fraud Detector 控制台集成的工具，它推荐一种模型类型，用于为您的业务用例创建和训练欺诈检测模型。Data Models Explorer 还提供对数据集中需要包含的必备、推荐和可选数据元素的见解。该数据集将用于创建和训练您的欺诈检测模型。

就本教程而言，您的业务用例是注册新账户。在您指定业务用例后，数据模型浏览器将推荐一种用于创建欺诈检测模型的模型类型，还将为您提供创建数据集所需的数据元素列表。由于您已经上传了包含新账户注册数据的示例数据集，因此无需创建新的数据集。
1. 打开 AWS 管理控制台，登录您的账户。导航到亚马逊 Fraud Detector。
2. 在左侧导航窗格中，选择数据模型资源管理器。
3. 在 “数据模型浏览器” 页面的 “业务用例” 下，选择 “新账户欺诈”。
4. Amazon Fraud Detector 会显示推荐的模型类型，用于为选定的业务用例创建欺诈检测模型。模型类型定义了 Amazon Fraud Detector 用于训练您的欺诈检测模型的算法、增强功能和转换。
  
  记下推荐的模型类型。稍后在创建模型时将需要这个。
5. 数据模型见解窗格提供了对创建和训练欺诈检测模型所需的必备和推荐数据元素的见解。
  
  查看您下载的示例数据集，并确保其中包含表中列出的所有必填数据元素和一些推荐的数据元素。
  
  稍后，当你为特定的业务用例创建模型时，你将使用所提供的见解来创建你的数据集。

在此步骤中，您将定义要评估的业务活动（事件）是否存在欺诈。定义事件包括设置数据集中的变量、启动事件的实体以及对事件进行分类的标签。在本教程中，您将定义账户注册事件。
1. 打开 AWS 管理控制台，登录您的账户。导航到亚马逊 Fraud Detector。
2. 在左侧导航窗格中，选择事件。
3. 在事件类型页面中，选择创建。
4. 在事件类型详细信息下，输入sample_registration作为事件类型名称，也可以输入事件的描述。
5. 对于实体，选择创建实体。
6. 在创建实体页面中，输入实体类型名称sample_customer作为实体。（可选）输入实体类型的描述。
7. 选择 Create entity (创建实体)。
8. 在 “事件变量” 下，在 “选择如何定义此事件的变量” 中，选择 “从训练数据集中选择变量”。
9. 对于 IAM 角色，请选择创建 IAM 角色。
10. 在创建 IAM 角色页面中，输入您上传示例数据的 S3 存储桶的名称，然后选择创建角色。
11. 在数据位置中，输入示例数据的路径。这是您在上传示例数据后保存的S3 URI路径。路径类似于此:S3://your-bucket-name/example dataset filename.csv.
12. 选择上传。
  
  Amazon Fraud Detector 从您的示例数据文件中提取标题并将其映射为变量类型。映射显示在控制台中。
13. 在 “标签-可选” 下，对于 “标签”，选择 “创建新标签”。
14. 在创建标签页面中，输入名称fraud作为名称。此标签对应于示例数据集中表示欺诈性账户注册的值。
15. 选择创建标签。
16. 创建第二个标签，然后输入legit作为名称。此标签对应于表示示例数据集中合法账户注册的值。
17. 选择创建事件类型。

步骤 2：创建事件类型

在此步骤中，您将定义要评估的业务活动（事件）是否存在欺诈。定义事件包括设置数据集中的变量、启动事件的实体以及对事件进行分类的标签。在本教程中，您将定义账户注册事件。
1. 打开 AWS 管理控制台，登录您的账户。导航到亚马逊 Fraud Detector。
2. 在左侧导航窗格中，选择事件。
3. 在事件类型页面中，选择创建。
4. 在事件类型详细信息下，输入sample_registration作为事件类型名称，也可以输入事件的描述。
5. 对于实体，选择创建实体。
6. 在创建实体页面中，输入实体类型名称sample_customer作为实体。（可选）输入实体类型的描述。
7. 选择 Create entity (创建实体)。
8. 在 “事件变量” 下，在 “选择如何定义此事件的变量” 中，选择 “从训练数据集中选择变量”。
9. 对于 IAM 角色，请选择创建 IAM 角色。
10. 在创建 IAM 角色页面中，输入您上传示例数据的 S3 存储桶的名称，然后选择创建角色。
11. 在数据位置中，输入示例数据的路径。这是您在上传示例数据后保存的S3 URI路径。路径类似于此:S3://your-bucket-name/example dataset filename.csv.
12. 选择上传。
  
  Amazon Fraud Detector 从您的示例数据文件中提取标题并将其映射为变量类型。映射显示在控制台中。
13. 在 “标签-可选” 下，对于 “标签”，选择 “创建新标签”。
14. 在创建标签页面中，输入名称fraud作为名称。此标签对应于示例数据集中表示欺诈性账户注册的值。
15. 选择创建标签。
16. 创建第二个标签，然后输入legit作为名称。此标签对应于表示示例数据集中合法账户注册的值。
17. 选择创建事件类型。

在模型页面上，选择添加模型，然后选择创建模型。
在步骤 1-定义模型详细信息中，输入sample_fraud_detection_model作为模型名称。或者，添加模型的描述。
在 “模型类型” 中，选择 “在线欺诈洞察” 模型。
对于事件类型，选择 sample _registration。这是您在步骤 1 中创建的事件类型。
在历史事件数据中，
1. 在事件数据源中，选择存储在 S3 中的事件数据。
2. 对于 IAM 角色，选择您在步骤 1 中创建的角色。
3. 在训练数据位置中，输入示例数据文件的 S3 URI 路径。
选择下一步。

步骤 3：创建模型

在模型页面上，选择添加模型，然后选择创建模型。
在步骤 1-定义模型详细信息中，输入sample_fraud_detection_model作为模型名称。或者，添加模型的描述。
在 “模型类型” 中，选择 “在线欺诈洞察” 模型。
对于事件类型，选择 sample _registration。这是您在步骤 1 中创建的事件类型。
在历史事件数据中，
1. 在事件数据源中，选择存储在 S3 中的事件数据。
2. 对于 IAM 角色，选择您在步骤 1 中创建的角色。
3. 在训练数据位置中，输入示例数据文件的 S3 URI 路径。
选择下一步。

在模型输入中，将所有复选框保持选中状态。默认情况下，Amazon Fraud Detector 使用历史事件数据集中的所有变量作为模型输入。
在标签分类中，对于欺诈标签，请选择欺诈，因为此标签对应于示例数据集中代表欺诈事件的值。对于合法标签，请选择 legit，因为此标签对应于示例数据集中代表合法事件的值。
对于未标记的事件处理，请保留此示例数据集的默认选择 “忽略未标记的事件”。
选择下一步。
查看完毕后，选择创建并训练模型。Amazon Fraud Detector 创建了一个模型并开始训练该模型的新版本。

在模型版本中，状态列表示模型训练的状态。使用示例数据集的模型训练大约需要 45 分钟才能完成。模型训练完成后，状态更改为 “准备部署”。

第 4 步：训练模型

在模型输入中，将所有复选框保持选中状态。默认情况下，Amazon Fraud Detector 使用历史事件数据集中的所有变量作为模型输入。
在标签分类中，对于欺诈标签，请选择欺诈，因为此标签对应于示例数据集中代表欺诈事件的值。对于合法标签，请选择 legit，因为此标签对应于示例数据集中代表合法事件的值。
对于未标记的事件处理，请保留此示例数据集的默认选择 “忽略未标记的事件”。
选择下一步。
查看完毕后，选择创建并训练模型。Amazon Fraud Detector 创建了一个模型并开始训练该模型的新版本。

在模型版本中，状态列表示模型训练的状态。使用示例数据集的模型训练大约需要 45 分钟才能完成。模型训练完成后，状态更改为 “准备部署”。

使用 Amazon Fraud Detector 的一个重要步骤是使用模型分数和性能指标来评估模型的准确性。模型训练完成后，Amazon Fraud Detector 会使用未用于训练模型的 15% 的数据来验证模型性能，并生成模型性能分数和其他性能指标。

要查看模特的表现，
1. 在 Amazon Fraud Detector 控制台的左侧导航窗格中，选择模型。
2. 在模型页面中，选择您刚刚训练的模型（sample_fraud_detection_m odel），然后选择 1.0。这是 Amazon Fraud Detector 为您的模型创建的版本。
查看模型表现总分以及 Amazon Fraud Detector 为此模型生成的所有其他指标。

要详细了解本页上的模型绩效分数和绩效指标，请参阅模型分数和对性能指标进行建模。

您可以期望所有经过训练的 Amazon Fraud Detector 模型都具有真实的欺诈检测性能指标，这些指标与您在本教程中看到的模型的性能指标相似。

第 5 步：查看模型性能

要查看模特的表现，
1. 在 Amazon Fraud Detector 控制台的左侧导航窗格中，选择模型。
2. 在模型页面中，选择您刚刚训练的模型（sample_fraud_detection_m odel），然后选择 1.0。这是 Amazon Fraud Detector 为您的模型创建的版本。
查看模型表现总分以及 Amazon Fraud Detector 为此模型生成的所有其他指标。

要详细了解本页上的模型绩效分数和绩效指标，请参阅模型分数和对性能指标进行建模。

您可以期望所有经过训练的 Amazon Fraud Detector 模型都具有真实的欺诈检测性能指标，这些指标与您在本教程中看到的模型的性能指标相似。

在您查看了经过训练的模型的性能指标并准备好使用它生成欺诈预测之后，就可以部署该模型了。

在 Amazon Fraud Detector 控制台的左侧导航窗格中，选择模型。
在模型页面中，选择 sample_fraud_detection_model，然后选择要部署的特定模型版本。在本教程中，选择 1.0。
在模型版本页面上，选择操作，然后选择部署模型版本。
在模型版本中，状态显示部署的状态。部署完成后，状态更改为 “活动”。这表示模型版本已激活，可用于生成欺诈预测。B 部分：生成欺诈预测继续完成生成欺诈预测的步骤。

步骤 6：部署模型

在您查看了经过训练的模型的性能指标并准备好使用它生成欺诈预测之后，就可以部署该模型了。

在 Amazon Fraud Detector 控制台的左侧导航窗格中，选择模型。
在模型页面中，选择 sample_fraud_detection_model，然后选择要部署的特定模型版本。在本教程中，选择 1.0。
在模型版本页面上，选择操作，然后选择部署模型版本。
在模型版本中，状态显示部署的状态。部署完成后，状态更改为 “活动”。这表示模型版本已激活，可用于生成欺诈预测。B 部分：生成欺诈预测继续完成生成欺诈预测的步骤。