Amazon Fraud Detector dejará de estar abierto a nuevos clientes a partir del 7 de noviembre de 2025. Para obtener funciones similares a Amazon Fraud Detector, explore Amazon SageMaker, AutoGluon, y AWS WAF.
Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Explicaciones de predicción
Las explicaciones de las predicciones proporcionan información sobre cómo cada variable de evento afectó a la puntuación de predicción del fraude de su modelo y se generan automáticamente como parte de la predicción del fraude. Cada predicción de fraude incluye una puntuación de riesgo entre 1 y 1000. Las explicaciones de las predicciones proporcionan detalles sobre la influencia de cada variable del evento en las puntuaciones de riesgo en términos de magnitud (0-5, siendo 5 la máxima) y dirección (puntuación de impulsión más alta o más baja). También puede utilizar las explicaciones de predicción para las siguientes tareas:
+ Identificar los principales indicadores de riesgo durante las investigaciones manuales cuando se marca un evento para su revisión.
+ Para reducir las causas fundamentales que conducen a predicciones de falsos positivos (por ejemplo, puntuaciones de riesgo altas para eventos legítimos).
+ Para analizar los patrones de fraude en los datos de los eventos y detectar sesgos, si los hubiera, en su conjunto de datos.
**importante**
Las explicaciones de las predicciones se generan automáticamente y están disponibles solo para los modelos entrenados a partir del *30 de junio de 2021*. Para recibir explicaciones de predicción para los modelos entrenados antes del *30 de junio de 2021,* vuelva a entrenarlos.
Las explicaciones de predicción proporcionan el siguiente conjunto de valores para cada variable de evento que se utilizó para entrenar el modelo.
**Impacto relativo**
Proporciona una referencia visual del impacto de la variable en términos de magnitud en las puntuaciones de predicción del fraude. Los valores de impacto relativo consisten en una calificación por estrellas (0-5, siendo 5 la más alta) y el impacto direccional (aumento/disminuido) del riesgo de fraude.
+ Las variables que aumentan el riesgo de fraude se indican con estrellas rojas. Cuanto mayor sea el número de estrellas de color rojo, más aumentará la variable la puntuación de fraude y aumentará la probabilidad de fraude.
+ Las variables que reducen el riesgo de fraude se indican con estrellas de color verde. Cuanto mayor sea el número de inicios de color verde, más baja será la variable en la puntuación de riesgo de fraude y disminuirá la probabilidad de fraude.
+ El número cero de estrellas para todas las variables indica que ninguna de las variables por sí sola modificó significativamente el riesgo de fraude.
**Valor explicativo sin procesar**
Proporciona un valor bruto, no interpretado, representado como probabilidades logarítmicas del fraude. Estos valores suelen estar entre -10 y \+10, pero oscilan entre - infinito y \+ infinito.
+ Un valor positivo indica que la variable hizo subir la puntuación de riesgo.
+ Un valor negativo indica que la variable hizo bajar la puntuación de riesgo.
En la consola de Amazon Fraud Detector, los valores explicativos de la predicción se muestran a continuación. Las clasificaciones por estrellas coloreadas y los valores numéricos brutos correspondientes permiten ver fácilmente la influencia relativa entre las variables.
## Ver las explicaciones de las predicciones
Después de generar las predicciones de fraude, puede ver las explicaciones de las predicciones en la consola de Amazon Fraud Detector. Para ver las explicaciones APIs de las predicciones mediante el AWS SDK, primero debe llamar a la `ListEventPrediction` API para obtener la marca de tiempo de la predicción del evento y, a continuación, llamar a la `GetEventPredictionMetadata` API para obtener las explicaciones de la predicción.
### Consulta las explicaciones de las predicciones con la consola Amazon Fraud Detector
**Para ver las explicaciones de las predicciones mediante la consola,**
1. Abre la AWS consola e inicia sesión en tu cuenta. Dirígete a Amazon Fraud Detector.
1. En el panel de navegación izquierdo, selecciona **Buscar predicciones anteriores**.
1. Utilice los filtros de **propiedad**, **operador** y **valor** para seleccionar la predicción que desee revisar.
1. En el panel de **filtros** superior, asegúrese de seleccionar el período de tiempo en el que se generó la predicción que desea revisar.
1. El panel de **resultados** muestra una lista de todas las predicciones generadas durante el período de tiempo especificado. Haga clic en el ID de evento de la predicción para ver las explicaciones de la predicción.
1. Desplácese hacia abajo hasta el panel **de explicaciones de la predicción**.
1. Active el botón **Mostrar el valor de la explicación de la predicción** sin procesar para ver **el** valor de la explicación de la predicción sin procesar de todas las variables.
### Vea las explicaciones de las predicciones con el AWS SDK para Python (Boto3)
Los siguientes ejemplos muestran ejemplos de solicitudes para ver las explicaciones de las predicciones utilizando `ListEventPredictions` y `GetEventPredictionMetadata` APIs desde el AWS SDK.
**Ejemplo 1: Obtenga una lista de las predicciones más recientes mediante la `ListEventPredictions` API**
```
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'
}
)
```
**Ejemplo 2: obtenga una lista de predicciones anteriores para el tipo de evento «registro» mediante la `ListEventPredictions` API**
```
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'
}
)
```
**Ejemplo 3: Obtenga detalles de una predicción anterior para un ID de evento específico, un tipo de evento, un ID de detector y un ID de versión del detector que se generó en el período de tiempo especificado mediante la `GetEventPredictionMetadata` API.**
Lo `predictionTimestamp` especificado para esta solicitud se obtiene llamando primero a la `ListEventPredictions` API.
```
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'
)
```
## Comprender cómo se calculan las explicaciones de las predicciones
Amazon Fraud Detector utiliza [SHAP (SHapeley Additive Explanations)](https://arxiv.org/abs/1705.07874) para explicar las predicciones de eventos individuales mediante el cálculo de **los valores explicativos sin procesar** de cada variable de evento utilizada para el entrenamiento de modelos. El modelo calcula los valores explicativos sin procesar como parte del algoritmo de clasificación al generar las predicciones. Estos valores explicativos sin procesar representan la contribución de cada entrada al logaritmo de las probabilidades de fraude. Los valores explicativos sin procesar (de -infinito a \+infinito) se convierten en un **valor de impacto relativo** (de -5 a \+5) mediante un mapeo. El valor de impacto relativo derivado del valor explicativo bruto representa el número de veces que aumentan las probabilidades de fraude (positivo) o legítimo (negativo), lo que facilita la comprensión de las explicaciones de las predicciones.