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.
# Cuaderno de ejemplo de detección de fraudes con el almacén de características
**importante**
Las políticas de IAM personalizadas que permiten a Amazon SageMaker Studio o Amazon SageMaker Studio Classic crear SageMaker recursos de Amazon también deben conceder permisos para añadir etiquetas a esos recursos. El permiso para añadir etiquetas a los recursos es necesario porque Studio y Studio Classic etiquetan automáticamente todos los recursos que crean. Si una política de IAM permite a Studio y Studio Classic crear recursos, pero no permite el etiquetado, se pueden producir errores de tipo AccessDenied «» al intentar crear recursos. Para obtener más información, consulte [Proporcione permisos para etiquetar los recursos de SageMaker IA](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS políticas gestionadas para Amazon SageMaker AI](security-iam-awsmanpol.md)que otorgan permisos para crear SageMaker recursos ya incluyen permisos para añadir etiquetas al crear esos recursos.
El código de ejemplo de esta página hace referencia al cuaderno de ejemplo: [Detección de fraude con Amazon SageMaker Feature Store](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-featurestore/sagemaker_featurestore_fraud_detection_python_sdk.html). Le recomendamos que ejecute este cuaderno en Studio Classic, en instancias de cuaderno o en JupyterLab, ya que el código de esta guía es conceptual y no es totalmente funcional si se copia.
Utilice lo siguiente para clonar el amazon-sagemaker-examples GitHub repositorio [aws/](https://github.com/aws/amazon-sagemaker-examples), que contiene el cuaderno de ejemplo.
+ **Para Studio Classic**
Inicialice primero Studio Classic. Puede abrir Studio Classic si Studio o Studio Classic están habilitados como experiencia predeterminada. Para abrir Studio Classic, consulte [Inicie Amazon SageMaker Studio Classic con la consola Amazon SageMaker AI](studio-launch.md#studio-launch-console).
Para clonar el amazon-sagemaker-examples GitHub repositorio [aws/](https://github.com/aws/amazon-sagemaker-examples) en Studio Classic, siga los pasos que se indican a continuación. [Clonar un repositorio de Git en Amazon SageMaker Studio Classic](studio-tasks-git.md)
+ **Para instancias de Amazon SageMaker Notebook**
En primer lugar, inicie la instancia de SageMaker Notebook siguiendo las instrucciones que se indican en[Acceso a instancias de cuaderno](howitworks-access-ws.md).
Luego, siga las instrucciones que se describen en [Agrega un repositorio de Git a tu cuenta de Amazon SageMaker AI](nbi-git-resource.md).
Ahora que tienes los cuadernos de ejemplo de SageMaker IA, navega hasta el `amazon-sagemaker-examples/sagemaker-featurestore` directorio y abre el cuaderno de ejemplo de [Fraud Detection with Amazon SageMaker Feature Store](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-featurestore/sagemaker_featurestore_fraud_detection_python_sdk.html).
## Paso 1: configuración de la sesión del Almacén de características
Para empezar a usar Feature Store, crea una sesión de SageMaker IA, una sesión de Boto3 y una sesión de Feature Store. Además, configure el bucket de S3 que desea utilizar para sus características. Este es su almacenamiento sin conexión. El siguiente código usa el segmento predeterminado de SageMaker IA y le agrega un prefijo personalizado.
**nota**
El rol que utilice para ejecutar el cuaderno debe tener asociadas las siguientes políticas administradas: `AmazonSageMakerFullAccess` y `AmazonSageMakerFeatureStoreAccess`. Para obtener más información sobre cómo añadir políticas a su rol de IAM, consulte [Adición de políticas al rol de IAM](feature-store-adding-policies.md).
```
import boto3
import sagemaker
from sagemaker.session import Session
sagemaker_session = sagemaker.Session()
region = sagemaker_session.boto_region_name
boto_session = boto3.Session(region_name=region)
role = sagemaker.get_execution_role()
default_bucket = sagemaker_session.default_bucket()
prefix = 'sagemaker-featurestore'
offline_feature_store_bucket = 's3://{}/{}'.format(default_bucket, prefix)
sagemaker_client = boto_session.client(service_name='sagemaker', region_name=region)
featurestore_runtime = boto_session.client(service_name='sagemaker-featurestore-runtime', region_name=region)
feature_store_session = Session(
boto_session=boto_session,
sagemaker_client=sagemaker_client,
sagemaker_featurestore_runtime_client=featurestore_runtime
)
```
## Paso 2: Cargar el conjuntos de datos y datos de partición a grupos de características
Cargue los datos en marcos de datos para cada una de sus características. Utilizará estos marcos de datos después de configurar el grupo de características. En el ejemplo de detección de fraude, puede ver estos pasos en el siguiente código.
```
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import io
s3_client = boto3.client(service_name='s3', region_name=region)
fraud_detection_bucket_name = 'sagemaker-featurestore-fraud-detection'
identity_file_key = 'sampled_identity.csv'
transaction_file_key = 'sampled_transactions.csv'
identity_data_object = s3_client.get_object(Bucket=fraud_detection_bucket_name, Key=identity_file_key)
transaction_data_object = s3_client.get_object(Bucket=fraud_detection_bucket_name, Key=transaction_file_key)
identity_data = pd.read_csv(io.BytesIO(identity_data_object['Body'].read()))
transaction_data = pd.read_csv(io.BytesIO(transaction_data_object['Body'].read()))
identity_data = identity_data.round(5)
transaction_data = transaction_data.round(5)
identity_data = identity_data.fillna(0)
transaction_data = transaction_data.fillna(0)
# Feature transformations for this dataset are applied before ingestion into FeatureStore.
# One hot encode card4, card6
encoded_card_bank = pd.get_dummies(transaction_data['card4'], prefix = 'card_bank')
encoded_card_type = pd.get_dummies(transaction_data['card6'], prefix = 'card_type')
transformed_transaction_data = pd.concat([transaction_data, encoded_card_type, encoded_card_bank], axis=1)
transformed_transaction_data = transformed_transaction_data.rename(columns={"card_bank_american express": "card_bank_american_express"})
```
## Paso 3: Configurar grupos de características
Al configurar los grupos de características, debe personalizar los nombres de las características con un nombre único y configurar cada grupo de características con la clase `FeatureGroup`.
```
from sagemaker.feature_store.feature_group import FeatureGroup
feature_group_name = "some string for a name"
feature_group = FeatureGroup(name=feature_group_name, sagemaker_session=feature_store_session)
```
Por ejemplo, en el ejemplo de detección de fraude, los dos grupos de características son `identity` y `transaction`. En el siguiente código, puede ver cómo se personalizan los nombres con una marca temporal y, a continuación, cada grupo se configura pasando el nombre y la sesión.
```
import time
from time import gmtime, strftime, sleep
from sagemaker.feature_store.feature_group import FeatureGroup
identity_feature_group_name = 'identity-feature-group-' + strftime('%d-%H-%M-%S', gmtime())
transaction_feature_group_name = 'transaction-feature-group-' + strftime('%d-%H-%M-%S', gmtime())
identity_feature_group = FeatureGroup(name=identity_feature_group_name, sagemaker_session=feature_store_session)
transaction_feature_group = FeatureGroup(name=transaction_feature_group_name, sagemaker_session=feature_store_session)
```
## Paso 4: Configurar el identificador de registros y las características de hora del evento
En este paso, especificará un nombre de identificador de registro y un nombre de característica de hora del evento. Este nombre se asigna a la columna de las características correspondientes de los datos. Por ejemplo, en el ejemplo de detección de fraude, la columna de interés es `TransactionID`. `EventTime` se pueden anexar a los datos cuando no hay una marca temporal disponible. En el siguiente código, puede ver cómo se configuran estas variables y, a continuación, `EventTime` se anexa a los datos de ambas características.
```
record_identifier_name = "TransactionID"
event_time_feature_name = "EventTime"
current_time_sec = int(round(time.time()))
identity_data[event_time_feature_name] = pd.Series([current_time_sec]*len(identity_data), dtype="float64")
transformed_transaction_data[event_time_feature_name] = pd.Series([current_time_sec]*len(transaction_data), dtype="float64")
```
## Paso 5: Cargar definiciones de características
Ahora puede cargar las definiciones de las características pasando un marco de datos que contenga los datos de las características. En el siguiente código del ejemplo de detección de fraude, la característica de identidad y la característica de transacción se cargan mediante `load_feature_definitions`, y esta función detecta automáticamente el tipo de datos de cada columna de datos. Los desarrolladores que utilizan un esquema en lugar de la detección automática pueden consultar el ejemplo de código de [exportar grupos de características desde Data Wrangler](https://docs.aws.amazon.com/sagemaker/latest/dg/data-wrangler-data-export.html#data-wrangler-data-export-feature-store) que muestra cómo cargar el esquema, asignarlo y agregarlo como una `FeatureDefinition` que puede usar para crear el `FeatureGroup`. En este ejemplo también se describe una AWS SDK para Python (Boto3) implementación, que puede usar en lugar del SDK de SageMaker Python.
```
identity_feature_group.load_feature_definitions(data_frame=identity_data); # output is suppressed
transaction_feature_group.load_feature_definitions(data_frame=transformed_transaction_data); # output is suppressed
```
## Paso 6: Crear un grupo de características
En este paso, utilizará la función `create` para crear el grupo de características. El ejemplo de código siguiente muestra todos los parámetros disponibles. El almacenamiento en línea no se crea de forma predeterminada, por lo que debe establecer esto en `True` si desea habilitarlo. El `s3_uri` es la ubicación del bucket de S3 del almacenamiento sin conexión.
```
# create a FeatureGroup
feature_group.create(
description = "Some info about the feature group",
feature_group_name = feature_group_name,
record_identifier_name = record_identifier_name,
event_time_feature_name = event_time_feature_name,
feature_definitions = feature_definitions,
role_arn = role,
s3_uri = offline_feature_store_bucket,
enable_online_store = True,
online_store_kms_key_id = None,
offline_store_kms_key_id = None,
disable_glue_table_creation = False,
data_catalog_config = None,
tags = ["tag1","tag2"])
```
El siguiente código del ejemplo de detección de fraude muestra una llamada `create` mínima para cada uno de los dos grupos de características que se están creando.
```
identity_feature_group.create(
s3_uri=offline_feature_store_bucket,
record_identifier_name=record_identifier_name,
event_time_feature_name=event_time_feature_name,
role_arn=role,
enable_online_store=True
)
transaction_feature_group.create(
s3_uri=offline_feature_store_bucket,
record_identifier_name=record_identifier_name,
event_time_feature_name=event_time_feature_name,
role_arn=role,
enable_online_store=True
)
```
Al crear un grupo de características, se tarda un tiempo en cargar los datos y hay que esperar a que se cree el grupo de características para poder usarlo. Puede comprobar el estado con los métodos siguientes.
```
status = feature_group.describe().get("FeatureGroupStatus")
```
Mientras se crea el grupo de características, recibe `Creating` como respuesta. Cuando este paso haya finalizado correctamente, la respuesta será `Created`. Otros estados posibles son `CreateFailed`, `Deleting` o`DeleteFailed`.
## Paso 7: Trabajar con grupos de características
Ahora que ha configurado el grupo de características, puede realizar cualquiera de las siguientes tareas:
**Topics**
+ [Describir un grupo de características](#feature-store-describe-feature-groups)
+ [Enumerar grupos de características](#feature-store-list-feature-groups)
+ [Colocar registros en un grupo de características](#feature-store-put-records-feature-group)
+ [Obtener un registro de un grupo de características](#feature-store-get-records-feature-group)
+ [Generar comandos Hive DDL](#feature-store-generate-hive-ddl-commands-feature-group)
+ [Crear un conjunto de datos de entrenamiento](#feature-store-build-training-dataset)
+ [Escribir y ejecutar una consulta de Athena](#feature-store-write-athena-query)
+ [Eliminar un grupo de características](#feature-store-delete-feature-group)
### Describir un grupo de características
Puede recuperar información sobre su grupo de características con la función `describe`.
```
feature_group.describe()
```
### Enumerar grupos de características
Puede enumerar todos sus grupos de características con la función `list_feature_groups`.
```
sagemaker_client.list_feature_groups()
```
### Colocar registros en un grupo de características
Puede utilizar la función `ingest` para cargar los datos de sus características. Se pasa un marco de datos de características, se establece el número de trabajadores y se elige si se espera a que regrese o no. El siguiente ejemplo muestra el uso de la función `ingest`.
```
feature_group.ingest(
data_frame=feature_data, max_workers=3, wait=True
)
```
Para cada grupo de características que tenga, ejecute la función `ingest` en los datos de las características que desee cargar.
### Obtener un registro de un grupo de características
Puede utilizar la función `get_record` para recuperar los datos de una característica específica mediante su identificador de registro. En el siguiente ejemplo, se utiliza un identificador de ejemplo para recuperar el registro.
```
record_identifier_value = str(2990130)
featurestore_runtime.get_record(FeatureGroupName=transaction_feature_group_name, RecordIdentifierValueAsString=record_identifier_value)
```
Un ejemplo de respuesta del ejemplo de detección de fraude:
```
...
'Record': [{'FeatureName': 'TransactionID', 'ValueAsString': '2990130'},
{'FeatureName': 'isFraud', 'ValueAsString': '0'},
{'FeatureName': 'TransactionDT', 'ValueAsString': '152647'},
{'FeatureName': 'TransactionAmt', 'ValueAsString': '75.0'},
{'FeatureName': 'ProductCD', 'ValueAsString': 'H'},
{'FeatureName': 'card1', 'ValueAsString': '4577'},
...
```
### Generar comandos Hive DDL
La `FeatureStore` clase del SDK de SageMaker Python también proporciona la funcionalidad para generar comandos DDL de Hive. El esquema de la tabla se genera en función de las definiciones de las características. Las columnas reciben el nombre de la característica y el tipo de datos se infiere en función del tipo de característica.
```
print(feature_group.as_hive_ddl())
```
Ejemplo de código de salida:
```
CREATE EXTERNAL TABLE IF NOT EXISTS sagemaker_featurestore.identity-feature-group-27-19-33-00 (
TransactionID INT
id_01 FLOAT
id_02 FLOAT
id_03 FLOAT
id_04 FLOAT
...
```
### Crear un conjunto de datos de entrenamiento
Feature Store crea automáticamente un catálogo de AWS Glue datos al crear grupos de entidades y, si lo desea, puede desactivarlo. A continuación, se describe cómo crear un único conjunto de datos de entrenamiento con valores de características de grupos de características de identidades y de transacciones creados anteriormente en este tema. Además, a continuación se describe cómo ejecutar una consulta de Amazon Athena para unir los datos almacenados en el almacenamiento sin conexión de los grupos de características de identidades y transacciones.
Para empezar, cree una consulta de Athena utilizando `athena_query()` tanto para los grupos de características de identidades como de transacciones. El `table\_name` es la AWS Glue tabla que Feature Store genera automáticamente.
```
identity_query = identity_feature_group.athena_query()
transaction_query = transaction_feature_group.athena_query()
identity_table = identity_query.table_name
transaction_table = transaction_query.table_name
```
### Escribir y ejecutar una consulta de Athena
Escribirá la consulta con SQL en estos grupos de características y, a continuación, ejecutará la consulta con el comando `.run()` y especificará la ubicación del bucket de Amazon S3 donde guardará el conjunto de datos.
```
# Athena query
query_string = 'SELECT * FROM "'+transaction_table+'" LEFT JOIN "'+identity_table+'" ON "'+transaction_table+'".transactionid = "'+identity_table+'".transactionid'
# run Athena query. The output is loaded to a Pandas dataframe.
dataset = pd.DataFrame()
identity_query.run(query_string=query_string, output_location='s3://'+default_s3_bucket_name+'/query_results/')
identity_query.wait()
dataset = identity_query.as_dataframe()
```
A partir de aquí, puede entrenar un modelo con este conjunto de datos y, a continuación, realizar una inferencia.
### Eliminar un grupo de características
Puede eliminar un grupo de características con la función `delete`.
```
feature_group.delete()
```
El siguiente ejemplo de código proviene del ejemplo de detección de fraude.
```
identity_feature_group.delete()
transaction_feature_group.delete()
```
Para obtener más información, consulte [Delete a feature group API](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DeleteFeatureGroup.html).