本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

建立模型

Amazon Fraud Detector 模型會學習偵測特定事件類型的詐騙。在 Amazon Fraud Detector 中，您會先建立模型，做為模型版本的容器。每次訓練模型時，都會建立新的版本。如需如何使用 AWS 主控台建立和訓練模型的詳細資訊，請參閱步驟 3：建立模型。

每個模型都有對應的模型分數變數。當您建立模型時，Amazon Fraud Detector 會代表您建立此變數。您可以在規則表達式中使用此變數，以在詐騙評估期間解譯模型分數。

使用 訓練和部署模型 AWS SDK for Python (Boto3)

模型版本是透過呼叫 CreateModel和 CreateModelVersion操作來建立。 會CreateModel啟動模型，做為模型版本的容器。 會CreateModelVersion啟動訓練程序，進而產生特定版本的模型。每次呼叫 CreateModelVersion 都會建立新的解決方案版本。

下列範例顯示 CreateModel 的範例請求API。此範例會建立 Online Fraud Insights 模型類型，並假設您已建立事件類型 sample_registration。如需建立事件類型的其他詳細資訊，請參閱 建立事件類型。

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.create_model (
modelId = 'sample_fraud_detection_model',
eventTypeName = 'sample_registration',
modelType = 'ONLINE_FRAUD_INSIGHTS')

使用 訓練您的第一個版本CreateModelVersionAPI。針對 TrainingDataSource，ExternalEventsDetail指定訓練資料集的來源和 Amazon S3 位置。針對 TrainingDataSchema指定 Amazon Fraud Detector 應如何解譯訓練資料，特別是要包含哪些事件變數，以及如何分類事件標籤。根據預設，Amazon Fraud Detector 會忽略未標記的事件。此範例程式碼使用 AUTO unlabeledEventsTreatment來指定 Amazon Fraud Detector 決定如何使用未標記的事件。

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.create_model_version (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
trainingDataSource = 'EXTERNAL_EVENTS',
trainingDataSchema = {
    'modelVariables' : ['ip_address', 'email_address'],
    'labelSchema' : {
        'labelMapper' : {
            'FRAUD' : ['fraud'],
            'LEGIT' : ['legit']
        }
       unlabeledEventsTreatment = 'AUTO'
    }
}, 
externalEventsDetail = {
    'dataLocation' : 's3://bucket/file.csv',
    'dataAccessRoleArn' : 'role_arn'
}
)

成功的請求將產生狀態為 的新模型版本TRAINING_IN_PROGRESS。在訓練期間，您可以隨時呼叫 UpdateModelVersionStatus 並將狀態更新為 來取消訓練TRAINING_CANCELLED。訓練完成後，模型版本狀態會更新為 TRAINING_COMPLETE。您可以使用 Amazon Fraud Detector 主控台或呼叫 來檢閱模型效能DescribeModelVersions。如需如何解譯模型分數和效能的詳細資訊，請參閱 模型分數和 模型效能指標。

檢閱模型效能後，請啟用模型，讓偵測器可在即時詐騙預測中使用模型。Amazon Fraud Detector 會在開啟自動擴展的多個可用區域中部署模型，以確保模型隨著您正在進行的詐騙預測數量而擴展。若要啟用模型，請呼叫 UpdateModelVersionStatus API 並將狀態更新為 ACTIVE。

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.update_model_version_status (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
modelVersionNumber = '1.00',
status = 'ACTIVE'
)