預測說明 - Amazon Fraud Detector
檢視預測說明了解預測解釋的計算方式

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。

預測說明

預測說明可深入瞭解每個事件變數如何影響模型的詐騙預測分數，並自動產生作為詐騙預測的一部分。每個欺詐預測都具有 1 到 1000 之間的風險評分。預測說明提供每個事件變數對風險評分影響的詳細資訊，其中包括數量級別 (0-5，5 為最高) 和方向 (驅動器得分較高或更低)。您也可以針對下列工作使用預測說明：

  • 當事件被標記為待審核時，識別手動反對期間的最高風險指標。

  • 縮小導致誤判預測的根本原因（例如，合法事件的高風險評分）。

  • 分析事件資料中的詐騙模式，並偵測資料集中的偏差 (如果有的話)。

重要

預測說明會自動產生，且僅適用於 2021 年 6 月 30 日或之後訓練的模型。若要接收 2021 年 6 月 30 日之前訓練過的模型的預測說明，請重新訓練這些模型。

預測說明會針對用來訓練模型的每個事件變數提供下列一組值。

相對影響

提供變數對詐騙預測分數影響程度的視覺化參考。相對影響值包括星級評級（0-5，5 為最高）和欺詐風險的方向（增加/減少）影響。

  • 增加欺詐風險的變量由紅色星星表示。紅色星星的數量越高，變量越高，欺詐分數越高，欺詐的可能性就越高。

  • 降低欺詐風險的變量由綠色星星表示。綠色起始次數越多，變量就越降低欺詐風險評分並降低欺詐的可能性。

  • 所有變量的零星表明，沒有任何變量本身的變量顯著改變了欺詐風險。

原始說明值

提供表示為欺詐日誌賠率的原始、未解釋的價值。這些值通常介於 -10 到 +10 之間，但範圍從-無窮大到 + 無窮大。

  • 正值表示變數會提高風險分數。

  • 負值表示變數會降低風險評分。

在 Amazon Fraud Detector 主控台中，預測說明值顯示如下。彩色星級評等和對應的原始數值可讓您輕鬆查看變數之間的相對影響。

預測解釋圖表：增加風險的變量以及降低欺詐風險的變量，並為每個變量帶來相對影響和原始說明值。

檢視預測說明

產生詐騙預測後，您可以在 Amazon Fraud Detector 主控台中檢視預測說明。若要使用 AWS SDK 中的 API 檢視預測說明，您必須先呼叫 ListEventPrediction API 以取得事件的預測時間戳記，然後呼叫 GetEventPredictionMetadata API 以取得預測說明。

使用 Amazon Fraud Detector 主控台檢視預測說明

若要使用主控台檢視預測說明，

  1. 開啟主AWS控台並登入您的帳戶。導航到 Amazon Fraud Detector。

  2. 在左側導覽窗格中，選擇 [搜尋過去的預測]。

  3. 使用「性質」、「運算子」和「值」篩選來選取您要檢閱的預測。

  4. 在頂端篩選器窗格中，請務必選取產生您要檢閱之預測的時段。

  5. 「結果」窗格會顯示在指定時段內產生的所有預測清單。按一下預測的事件 ID 以檢視預測說明。

  6. 向下捲動至「預測說明」窗格。

  7. 將 [顯示原始預測說明值] 按鈕設定為開啟，以檢視所有變數的原始預測說明值。

使用適用於 Python 的 AWS 開發套件 (Boto3) 檢視預測說明

下列範例顯示使用ListEventPredictions和 AWS SDK 中的 GetEventPredictionMetadata API 檢視預測說明的範例要求。

範例 1：使用 ListEventPredictions API 取得最近預測的清單

import boto3 
fraudDetector = boto3.client('frauddetector') 
fraudDetector.list_event_predictions(  
  maxResults = 10, 
  predictionTimeRange = {
     end_time: '2022-01-13T23:18:21Z',
     start_time: '2022-01-13T20:18:21Z'
    }
 )

範例 2；使用 ListEventPredictions API 取得事件類型「註冊」的過去預測清單

import boto3 
fraudDetector = boto3.client('frauddetector') 
fraudDetector.list_event_predictions(  
   eventType = {
      value = 'registration'
    } 
   maxResults = 70,
   nextToken = "10",
   predictionTimeRange = {
     end_time: '2021-07-13T23:18:21Z',
     start_time: '2021-07-13T20:18:21Z'
    }
 )

範例 3：取得在指定時段內使用 GetEventPredictionMetadata API 產生之指定事件 ID、事件類型、偵測器 ID 和偵測器版本 ID 的過去預測詳細資訊。

針對此要求的predictionTimestamp指定是透過先呼叫 ListEventPredictions API 來取得。

import boto3 
fraudDetector = boto3.client('frauddetector') 
fraudDetector.get_event_prediction_metadata ( 
   detectorId = 'sample_detector',
   detectorVersionId = '1', 
   eventId = '802454d3-f7d8-482d-97e8-c4b6db9a0428', 
   eventTypeName = 'sample_registration', 
   predictionTimestamp = '2021-07-13T21:18:21Z' 
 )

了解預測解釋的計算方式

Amazon Fraud Detector 使用 SHAP (ShapEley 加法解釋)，透過計算用於模型訓練之每個事件變數的原始說明值來說明個別事件預測。產生預測時，模型會計算原始說明值，做為分類演算法的一部分。這些原始說明值代表每個輸入對欺詐賠率對數的貢獻。使用映射將原始解釋值（從無窮大到 + 無窮大）轉換為相對衝擊值（-5 到 +5）。從原始解釋值得出的相對影響值代表欺詐（正）或合法（負面）的機率增加的次數，使得預測解釋更容易理解。