View a markdown version of this page

예측 설명 - Amazon Fraud Detector
예측 설명 보기예측 설명 계산 방법 이해

Amazon Fraud Detector는 2025년 11월 7일부터 신규 고객에게 더 이상 공개되지 않습니다. Amazon Fraud Detector와 유사한 기능을 알아보려면 Amazon SageMaker, AutoGluon 및를 살펴보세요 AWS WAF.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

예측 설명

예측 설명은 각 이벤트 변수가 모델의 사기 예측 점수에 어떤 영향을 미쳤는지에 대한 통찰력을 제공하며 사기 예측의 일부로 자동으로 생성됩니다. 각 사기 예측에는 1~1000의 위험 점수가 포함됩니다. 예측 설명은 각 이벤트 변수가 위험 점수에 미치는 영향에 대한 세부 정보를 크기(0~5, 5가 가장 높음) 및 방향(점수를 더 높거나 낮게 유도) 측면에서 제공합니다. 다음 작업에 예측 설명을 사용할 수도 있습니다.

  • 이벤트가 검토를 위해 플래그 지정될 때 수동 반향 중에 상위 위험 지표를 식별합니다.

  • 거짓 긍정 예측으로 이어지는 근본 원인을 좁히려면(예: 합법적인 이벤트에 대한 고위험 점수).

  • 이벤트 데이터 전반의 사기 패턴을 분석하고 데이터 세트에서 편향이 있는 경우 이를 탐지합니다.

중요

예측 설명은 자동으로 생성되며 2021년 6월 30일 이후에 훈련된 모델에 대해서만 사용할 수 있습니다. 2021년 6월 30일 이전에 훈련된 모델에 대한 예측 설명을 받으려면 해당 모델을 재훈련하세요.

예측 설명은 모델을 훈련하는 데 사용된 각 이벤트 변수에 대해 다음과 같은 값 집합을 제공합니다.

상대적 영향

사기 예측 점수에 대한 변수의 영향을 시각적으로 참조합니다. 상대적 영향 값은 사기 위험의 별 등급(0~5, 5가 가장 높음)과 방향(증가/감소) 영향으로 구성됩니다.

  • 사기 위험을 높이는 변수는 빨간색 별표로 표시됩니다. 빨간색 별의 수가 많을수록 변수가 사기 점수를 높이고 사기 가능성이 높아집니다.

  • 사기 위험을 줄이는 변수는 녹색 별표로 표시됩니다. 녹색 시작 횟수가 많을수록 변수가 사기 위험 점수를 더 많이 낮추고 사기 가능성이 감소합니다.

  • 모든 변수에 대해 별이 0이면 그 자체로 사기 위험을 크게 변경한 변수가 없음을 나타냅니다.

원시 설명 값

사기의 로그 오즈로 표시되는 해석되지 않은 원시 값을 제공합니다. 이러한 값은 일반적으로 -10~+10이지만 - 무한대~+ 무한대 범위입니다.

  • 양수 값은 변수가 위험 점수를 높였음을 나타냅니다.

  • 음수 값은 변수가 위험 점수를 낮추었음을 나타냅니다.

Amazon Fraud Detector 콘솔에서 예측 설명 값은 다음과 같이 표시됩니다. 색상이 지정된 별 등급과 해당 원시 숫자 값을 사용하면 변수 간의 상대적 영향을 쉽게 확인할 수 있습니다.

예측 설명 차트: 위험을 높이는 변수와 각 변수에 대한 상대적 영향 및 원시 설명 값으로 사기 위험을 줄이는 변수입니다.

예측 설명 보기

사기 예측을 생성한 후 Amazon Fraud Detector 콘솔에서 예측 설명을 볼 수 있습니다. AWS SDK의 APIs를 사용하여 예측 설명을 보려면 먼저 ListEventPrediction API를 호출하여 이벤트에 대한 예측 타임스탬프를 얻은 다음 GetEventPredictionMetadata API를 호출하여 예측 설명을 받아야 합니다.

Amazon Fraud Detector 콘솔을 사용하여 예측 설명 보기

콘솔을 사용하여 예측 설명을 보려면

  1. AWS 콘솔을 열고 계정에 로그인합니다. Amazon Fraud Detector로 이동합니다.

  2. 왼쪽 탐색 창에서 과거 예측 검색을 선택합니다.

  3. 속성, 연산자 및 값 필터를 사용하여 검토하려는 예측을 선택합니다.

  4. 상단 필터 창에서 검토하려는 예측이 생성된 기간을 선택해야 합니다.

  5. 결과 창에는 지정된 기간 동안 생성된 모든 예측 목록이 표시됩니다. 예측의 이벤트 ID를 클릭하여 예측 설명을 봅니다.

  6. 예측 설명 창까지 아래로 스크롤합니다.

  7. 에서 원시 예측 설명 값 표시 버튼을 설정하여 모든 변수의 원시 예측 설명 값을 봅니다.

Python용 AWS SDK(Boto3)를 사용하여 예측 설명 보기

다음 예제에서는 AWS SDK의 ListEventPredictions 및 GetEventPredictionMetadata APIs를 사용하여 예측 설명을 보기 위한 샘플 요청을 보여줍니다.

예제 1: ListEventPredictions API를 사용하여 최신 예측 목록 가져오기

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'
    }
 )

예제 2: ListEventPredictions API를 사용하여 이벤트 유형 "등록"에 대한 과거 예측 목록 가져오기

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'
    }
 )

예제 3: GetEventPredictionMetadata API를 사용하여 지정된 기간에 생성된 지정된 이벤트 ID, 이벤트 유형, 감지기 ID 및 감지기 버전 ID에 대한 과거 예측의 세부 정보를 가져옵니다.

이 요청에 predictionTimestamp 지정된는 먼저 ListEventPredictions API를 호출하여 가져옵니다.

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' 
 )

예측 설명 계산 방법 이해

Amazon Fraud Detector는 SHAP(SHapeley Additive exPlanations)를 사용하여 모델 훈련에 사용되는 각 이벤트 변수의 원시 설명 값을 계산하여 개별 이벤트 예측을 설명합니다. 원시 설명 값은 예측을 생성할 때 분류 알고리즘의 일부로 모델에 의해 계산됩니다. 이러한 원시 설명 값은 사기 확률의 로그에 대한 각 입력의 기여도를 나타냅니다. 원시 설명 값(-infinity에서 +infinity로)은 매핑을 사용하여 상대 영향 값(-5~+5)으로 변환됩니다. 원시 설명 값에서 파생된 상대 영향 값은 사기(긍정) 또는 합법(부정)의 확률이 증가하는 횟수를 나타내므로 예측 설명을 더 쉽게 이해할 수 있습니다.