O Amazon Fraud Detector não está mais aberto a novos clientes a partir de 7 de novembro de 2025. Para recursos semelhantes ao Amazon Fraud Detector SageMaker, explore Amazon AutoGluon, AWS WAF e.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Criar etiqueta
<a name="create-a-label"></a>

Você pode criar etiquetas no console do Amazon Fraud Detector usando o comando [put-label](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/frauddetector/put-label.html), usando a [PutLabel](https://docs.aws.amazon.com/frauddetector/latest/api/API_PutLabel.html)API ou usando o. AWS SDK para Python (Boto3)

## Crie uma etiqueta usando o console do Amazon Fraud Detector
<a name="create-a-label-console"></a>

**Para criar rótulos,**

1. Abra o [Console de Gerenciamento da AWS](https://console.aws.amazon.com/) e faça login em sua conta. 

1. Navegue até o Amazon Fraud Detector, escolha **Labels** no painel de navegação à esquerda e escolha **Create**.

1. Na página **Criar etiqueta**, insira o nome da etiqueta para o evento fraudulento como nome da etiqueta. O nome do rótulo deve corresponder ao rótulo que representa a atividade fraudulenta em seu conjunto de dados de treinamento. Opcionalmente, insira uma descrição do rótulo.

1. Escolha **Criar etiqueta**.

1. Crie uma segunda etiqueta e insira o nome de uma etiqueta para um evento legítimo. Verifique se o nome do rótulo corresponde ao valor que representa a atividade legítima em seu conjunto de dados de treinamento.

## Crie uma etiqueta usando o AWS SDK para Python (Boto3)
<a name="create-a-label-using-the-aws-python-sdk"></a>

O código de AWS SDK para Python (Boto3) exemplo a seguir cria dois rótulos (fraudulentos, legítimos) usando a [PutLabel](https://docs.aws.amazon.com/frauddetector/latest/api/API_PutLabel.html)API. Depois de criar os rótulos, você pode adicioná-los a um tipo de evento para classificar eventos específicos.

```
import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.put_label(
name = 'fraud',
description = 'label for fraud events'
)

fraudDetector.put_label(
name = 'legit',
description = 'label for legitimate events'
)
```