疑難排解

問題類型：錯誤

Description

少於 50 列會被標記為詐騙事件。確保詐騙和合法事件都超過 50 次的最低數量，然後重新訓練模型。

原因

如果您的資料集標記為詐騙事件的事件少於模型訓練所需的事件，就會發生此錯誤。Amazon Fraud Detector 至少需要 50 個詐騙事件來訓練您的模型。

解決方案

請確定您的資料集包含至少 50 個詐騙事件。如果需要，您可以通過覆蓋更長的時間來確保這一點。

問題類型：錯誤

Description

少於 50 個資料列會標示為合法事件。確保欺詐和合法事件都超過 $ 閾值的最低計數，並重新訓練模型。

原因

如果您的資料集具有標記為合法的事件少於模型訓練所需的事件，就會發生此錯誤。Amazon Fraud Detector 至少需要 50 個合法事件來訓練您的模型。

解決方案

請確定您的資料集包含至少 50 個合法事件。如果需要，您可以通過覆蓋更長的時間來確保這一點。

問題類型：錯誤

Description

與欺詐相關的唯一實體數量少於 100。考慮包括更多欺詐實體的例子，以提高績效。

原因

如果您的資料集具有詐騙事件的實體少於模型訓練所需的實體，就會發生此錯誤。交易欺詐見解（TFI）模型要求至少 100 個發生欺詐事件的實體，以確保欺詐空間的最大覆蓋範圍。如果所有欺詐事件都是由一小群實體執行，則該模型可能無法很好地概括起來。

解決方案

請確定您的資料集包含至少 100 個發生詐騙事件的實體。如果需要，您可以確保這覆蓋更長的時間段。

問題類型：錯誤

Description

與合法關聯的唯一實體數量少於 100。請考慮加入更多合法實體的範例，以提升效能。

原因

如果您的資料集具有合法事件的實體少於模型訓練所需的實體，就會發生此錯誤。交易欺詐見解（TFI）模型要求至少 100 個具有合法事件的實體，以確保欺詐空間的最大覆蓋範圍。如果所有合法事件都是由一小群實體執行，則該模型可能無法很好地推廣。

解決方案

請確定您的資料集包含至少 100 個具有合法事件的實體。如果需要，您可以確保這覆蓋更長的時間段。

問題類型：錯誤

Description

資料集中的資料列少於 100 個。請確定總資料集中有 100 個以上的資料列，而且至少 50 列被標記為詐騙資料列。

原因

如果您的資料集包含少於 100 筆記錄，就會發生這個錯誤。Amazon Fraud Detector 需要資料集中至少 100 個事件 (記錄) 中的資料，以進行模型訓練。

解決方案

請確定您的資料集中有來自 100 個以上事件的資料。

問題類型：錯誤

Description

大於 1% 的 EVENT_LABEL 資料欄為空值，或是模型組態中定義的值以外的值。$label_values請確保 EVENT_LABEL 欄中缺少於 1% 的值，而且這些值是在模型組態中定義的值。$label_values

原因

發生這個錯誤是因為下列其中一個原因：

線上詐騙洞察 (OFI) 模型要求每筆記錄中的 EVENT_LABEL 資料欄填入其中一個與您的事件類型相關聯的標籤 (或對應)。CreateModelVersion

解決方案

如果此錯誤是由於缺少 EVENT_LABEL 值，請考慮為這些記錄指派適當的標籤，或從資料集中刪除這些記錄。如果此錯誤是因為某些記錄的標籤不在其中label_values，請確定將 EVENT_LABEL 欄中的所有值新增至事件類型的標籤，並在建立模型時對應至詐騙或合法 (詐騙、合法)。

問題類型：資訊

Description

您的 EVENT_LABEL 資料欄包含非模型組態中定義的空值或標籤值。$label_values這些不一致的值在培訓之前被轉換為「不欺詐」。

原因

您會因為下列其中一個原因而取得此資訊：

在這兩種情況下的模型培訓將成功。但是，那些缺少或未映射標籤值的事件的標籤值會轉換為合法的。如果您認為這是一個問題，請按照下面提供的解決方案進行操作。

解決方案

如果資料集中缺少 EVENT_LABEL 值，請考慮從資料集中刪除這些記錄。如果為這些 EVENT_LABELS 提供的值未對應，請確定所有這些值都對應至每個事件的詐騙或合法 (詐騙、合法)。

問題類型：錯誤

Description

您的訓練資料集包含含有不符合接受格式的時間戳記的 EVENT_TIMESTAMP。確保格式是接受的日期/時間戳記格式之一。

原因

如果 EVENT_TIMESTAMP 資料行包含的值不符合 Amazon Fraud Detector 支援的時間戳記格式，就會發生此錯誤。

解決方案

請確定為 EVENT_TIMESTAMP 資料行提供的值符合支援的時間戳記格式。如果 EVENT_TIMESTAMP 欄中缺少值，您可以使用支援的時間戳記格式回填具有值的值，或考慮完全刪除事件，而不必輸入字串，例如none、或。null missing

問題類型：錯誤

您的訓練資料集包含具有缺少值的事件 _ 時間戳記。請確定您沒有遺漏值。

原因

如果資料集中的 EVENT_TIMESTAMP 資料行缺少值，就會發生這個錯誤。Amazon Fraud Detector 要求資料集中的 EVENT_TIMESTAMP 資料行具有值。

解決方案

請確定資料集中的 EVENT_TIMESTAMP 資料行具有值，且這些值符合支援的時間戳記格式。如果 EVENT_TIMESTAMP 欄中缺少值，您可以使用支援的時間戳記格式回填具有值的值，或考慮完全刪除事件，而不必輸入字串，例如none、或。null missing

問題類型：資訊

Description

大於 50% 的$email_variable_name值不符合預期的規則運算式 http://emailregex.com。請考慮$email_variable_name在資料集中修改並重新訓練以改善效能。

原因

如果資料集中超過 50% 的記錄具有不符合規則電子郵件運算式的電子郵件值，因此驗證失敗，就會顯示此資訊。

解決方案

格式化電子郵件變數值以符合規則運算式。如果缺少電子郵件值，我們建議將其保留空白，而不要用字串 (例如nonenull、或) 填入missing。

問題類型：資訊

Description

大於 50% 的$IP_variable_name值與 IPv4 或 IPv6 位址的規則運算式不符。commonly-used-regex https://digitalfortress.tech/tricks/top-15 請考慮$IP_variable_name在資料集中修改並重新訓練以改善效能。

原因

如果資料集中 50% 以上的記錄具有不符合規則 IP 運算式的 IP 值，因此驗證失敗，就會顯示此資訊。

解決方案

格式化 IP 值以符合規則運算式。如果缺少 IP 值，我們建議將它們保留空白，而不要用字串 (例如nonenull、或) 填入missing。

問題類型：資訊

Description

大於 50% 的$phone_variable_name值與基本電話正則表達式 /$ 模式/不匹配。請考慮$phone_variable_name在資料集中修改並重新訓練以改善效能。

原因

如果資料集中超過 50% 的記錄包含不符合一般電話號碼運算式的電話號碼，因此驗證失敗，就會顯示此資訊。

解決方案

格式化電話號碼以符合規則運算式。如果缺少電話號碼，我們建議將它們留空，而不要用字符串填充none，例如null，或missing。