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。
建立偵測器
您可以透過指定已定義的事件類型來建立偵測器。您可以選擇性地新增已由 Amazon 詐騙偵測器訓練和部署的模型。如果您新增模型，則可以在建立規則時，在規則運算式中使用 Amazon 詐騙偵測器產生的模型分數 (例如，$model score < 90).
您可以在 Amazon 詐騙偵測器主控台中建立偵測器，使用PutDetector應用程式介面，使用放入檢測器
在 Amazon 詐騙偵測器主控台中建立偵測器
此範例假設您已建立事件類型，並且已建立並部署要用於詐騙預測的模型版本。
步驟 1：構建檢測器
-
在 Amazon 詐騙偵測器主控台的左側導覽窗格中，選擇探測器。
-
選擇建立偵測器。
-
在定義偵測器細節頁面上，輸入
sample_detector用於檢測器名稱。選擇性地輸入偵測器的描述，例如my sample fraud detector。 -
對於事件類型」下方，選取您為詐騙預測建立的事件類型。
-
選擇 下一步。
步驟 2：新增部署的模型版本
-
請注意，這是一個可選步驟。您不需要將模型添加到檢測器中。要略過此步驟，請選擇 Next (下一步)。
-
在新增模型-選擇性，選擇新增模型。
-
在新增模型頁面，用於選擇型號，選擇您之前部署的 Amazon 詐騙偵測器型號名稱。對於選擇版本，選擇已部署模型的模型版本。
-
選擇 Add model (新增模型)。
-
選擇 下一步。
步驟 3：新增規則
規則是告知 Amazon 詐騙偵測器在評估詐騙預測時如何解譯變數值的條件。此範例會使用模型分數作為變數值來建立三個規則：high_fraud_risk,medium_fraud_risk，以及low_fraud_risk。若要建立您自己的規則、規則運算式、規則執行順序和結果，請使用適合您模型和使用案例的值。
-
在新增規則頁面，下方定義規則，輸入
high_fraud_risk對於規則名稱和下描述-可選，輸入This rule captures events with a high ML model score作為規則的描述。 -
在表達中，使用 Amazon 詐騙偵測器簡化的規則運算式語言輸入下列規則運算式：
$sample_fraud_detection_model_insightscore > 900 -
在成果，選擇創建一個新的結果。結果是詐騙預測的結果，如果規則在評估期間符合，則會傳回結果。
-
在創建一個新的結果，輸入
verify_customer作為結果名稱。您可以選擇性地輸入描述。 -
選擇儲存結果。
-
選擇新增規則以執行規則驗證檢查程式並儲存規則。建立後，Amazon 詐騙偵測器會讓規則可用於您的偵測器。
-
選擇新增其他規則，然後選擇建立規則標籤。
-
重複此過程兩次以創建
medium_fraud_risk和low_fraud_risk使用下列規則詳細資訊的規則：-
中等詐騙風險
規則名稱：
medium_fraud_risk成果：
review表示式：
$sample_fraud_detection_model_insightscore <= 900 and$sample_fraud_detection_model_insightscore > 700 -
低欺詐風險
規則名稱：
low_fraud_risk成果：
approve表示式：
$sample_fraud_detection_model_insightscore <= 700
-
-
為您的使用案例建立所有規則之後，請選擇下一步。
步驟 4：設定規則執行和規則順序
偵測器中包含之規則的規則執行模式會決定是否評估您定義的所有規則，或規則評估是否在第一個符合的規則停止。規則順序決定了您希望規則執行的順序。
預設規則執行模式為FIRST_MATCHED。
- 第一個匹配
-
第一個符合的規則執行模式會根據定義的規則順序傳回第一個相符規則的結果。若您指定
FIRST_MATCHED，Amazon Fraud Detector 會從頭到尾依序評估規則，並在遇到第一個相符規則後停止評估。然後，Amazon 詐騙偵測器會為該單一規則提供結果。您執行規則的順序可能會影響產生的詐騙預測結果。建立規則之後，請依照下列步驟重新排序規則，以所需的順序執行規則：
如果您的
high_fraud_risk規則不在規則清單的頂端，請選擇訂單，然後選擇1。這會移動high_fraud_risk到第一個位置。重複此過程，以便
medium_fraud_risk規則處於第二個位置，並且您的low_fraud_risk規則位於第三個位置。 - 全部符合
-
無論規則順序為何，所有符合的規則執行模式都會傳回所有符合規則的結果。如果您指定
ALL_MATCHED，Amazon 詐騙偵測器會評估所有規則，並傳回所有符合規則的結果。
选择FIRST_MATCHED對於本教程，然後選擇下一步。
步驟 5：查看並創建檢測器版本
檢測器版本定義了用於生成欺詐預測的特定模型和規則。
-
在檢閱和建立頁面上，檢閱您設定的偵測器詳細資訊、模型和規則。如果您需要進行任何變更，請選擇編輯旁邊的相應部分。
-
選擇建立偵測器。建立之後，您的偵測器的第一個版本會顯示在 [偵測器版本] 表格中
Draft狀態。您使用草案版本來測試您的檢測器。
使用建立偵測器AWS SDK for Python (Boto3)
下列範例顯示的範例要求PutDetectorAPI。檢測器充當您的檢測器版本的容器。該PutDetectorAPI 指定檢測器將評估什麼事件類型。下列範例假設您已建立事件類型sample_registration。
import boto3 fraudDetector = boto3.client('frauddetector') fraudDetector.put_detector ( detectorId = 'sample_detector', eventTypeName = 'sample_registration' )
