Amazon Fraud Detector ist seit dem 7. November 2025 nicht mehr für Neukunden geöffnet. Funktionen, die Amazon Fraud Detector ähneln, finden Sie SageMaker unter Amazon AutoGluon, und AWS WAF.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Erklärungen zur Vorhersage

Erläuterungen zur Vorhersage geben Aufschluss darüber, wie sich die einzelnen Ereignisvariablen auf den Wert der Betrugsprognosen Ihres Modells ausgewirkt haben. Sie werden automatisch als Teil der Betrugsprognose generiert. Jede Betrugsprognose hat einen Risikowert zwischen 1 und 1000. Erläuterungen zur Vorhersage geben Aufschluss über den Einfluss der einzelnen Ereignisvariablen auf die Risikoeinstufungen in Bezug auf Größe (0-5, wobei 5 die höchste ist) und Richtung (höhere oder niedrigere Risikobewertung). Sie können Erklärungen zur Vorhersage auch für die folgenden Aufgaben verwenden:

Erläuterungen zur Vorhersage enthalten die folgenden Werte für jede Ereignisvariable, die zum Trainieren des Modells verwendet wurde.

Relative Auswirkungen

Bietet einen visuellen Überblick über den Einfluss der Variablen in Bezug auf die Größenordnung der Betrugsprognosen. Die relativen Wirkungswerte setzen sich aus einer Sternebewertung (0-5, wobei 5 die höchste Punktzahl darstellt) und der Richtung (erhöhte/verringerte) Wirkung des Betrugsrisikos zusammen.

Roher Erklärungswert

Liefert einen unverarbeiteten, nicht interpretierten Wert, der als Logarithmus der Betrugswahrscheinlichkeit dargestellt wird. Diese Werte liegen normalerweise zwischen -10 und +10, reichen jedoch von - unendlich bis + unendlich.

In der Amazon Fraud Detector Detector-Konsole werden die Werte für die Erklärung der Prognose wie folgt angezeigt. Anhand der farbigen Sternebewertungen und der entsprechenden numerischen Rohwerte lässt sich der relative Einfluss zwischen den Variablen leicht erkennen.

Erläuterungen zur Vorhersage anzeigen

Nachdem Sie Betrugsprognosen generiert haben, können Sie die Erklärungen zu den Prognosen in der Amazon Fraud Detector Detector-Konsole einsehen. Um die Erklärungen zur Vorhersage mithilfe APIs des AWS SDK einzusehen, müssen Sie zuerst die ListEventPrediction API aufrufen, um den Prognosezeitstempel für das Ereignis zu erhalten, und dann die GetEventPredictionMetadata API aufrufen, um die Erklärungen zur Vorhersage abzurufen.

Erläuterungen zu Prognosen mithilfe der Amazon Fraud Detector Detector-Konsole anzeigen

Erklärungen zur Vorhersage mit dem AWS-SDK SDK for Python (Boto3) anzeigen

Die folgenden Beispiele zeigen Beispielanfragen für die Anzeige von Erklärungen zu Prognosen mithilfe ListEventPredictions und GetEventPredictionMetadata APIs aus dem AWS SDK.

Beispiel 1: Rufen Sie mithilfe der ListEventPredictions API eine Liste der neuesten Prognosen ab

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'
    }
 ) 
 

Beispiel 2; Rufen Sie mithilfe der ListEventPredictions API eine Liste früherer Vorhersagen für den Ereignistyp „Registrierung“ ab

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'
    }
 )

Beispiel 3: Rufen Sie Details zu einer vergangenen Vorhersage für eine bestimmte Ereignis-ID, einen bestimmten Ereignistyp, eine Melder-ID und eine Detektorversions-ID ab, die im angegebenen Zeitraum mithilfe der GetEventPredictionMetadata API generiert wurde.

Die für diese Anfrage predictionTimestamp angegebenen Daten werden abgerufen, indem zuerst die ListEventPredictions API aufgerufen wird.

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' 
 )    
    

Verstehen, wie Erklärungen für Vorhersagen berechnet werden

Amazon Fraud Detector verwendet SHAP (SHapeley Additive Explanations), um individuelle Ereignisvorhersagen zu erklären, indem die unverarbeiteten Erklärungswerte jeder für das Modelltraining verwendeten Ereignisvariablen berechnet werden. Die unverarbeiteten Erklärungswerte werden vom Modell als Teil des Klassifizierungsalgorithmus bei der Generierung von Prognosen berechnet. Diese unverarbeiteten Erklärungswerte stellen den Beitrag der einzelnen Eingaben zum Logarithmus der Betrugswahrscheinlichkeit dar. Die unverarbeiteten Erklärungswerte (von -unendlich bis +unendlich) werden mithilfe eines Mappings in einen relativen Auswirkungswert (-5 bis +5) umgerechnet. Der aus dem unverarbeiteten Erklärungswert abgeleitete relative Auswirkungswert gibt an, wie oft sich die Wahrscheinlichkeit eines Betrugs (positiv) oder legitim (negativ) erhöht, sodass die Erklärungen der Prognosen leichter zu verstehen sind.