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.
# Explicações de previsão
As explicações de previsão fornecem informações sobre como cada variável de evento afetou a pontuação de previsão de fraude do seu modelo e são geradas automaticamente como parte da previsão de fraude. Cada previsão de fraude vem com uma pontuação de risco entre 1 e 1000. As explicações de previsão fornecem detalhes da influência de cada variável do evento nas pontuações de risco em termos de magnitude (0-5, sendo 5 a mais alta) e direção (a pontuação do impulso é maior ou menor). Você também pode usar explicações de previsão para as seguintes tarefas:
+ Identificar os principais indicadores de risco durante as inverstigações manuais, quando um evento é sinalizado para análise.
+ Para restringir as causas-raiz que levam a previsões falsas positivas (por exemplo, pontuações de alto risco para eventos legítimos).
+ Para analisar padrões de fraude em dados de eventos e detectar preconceitos, se houver, em seu conjunto de dados.
**Importante**
As explicações de previsão são geradas automaticamente e estão disponíveis somente para modelos treinados em ou após *30 de junho de 2021*. Para receber explicações de previsão para modelos treinados antes *de 30 de junho de 2021,* treine novamente esses modelos.
As explicações de predição fornecem o seguinte conjunto de valores para cada variável de evento usada para treinar o modelo.
**Impacto relativo**
Fornece uma referência visual do impacto da variável em termos de magnitude nas pontuações de previsão de fraudes. Os valores de impacto relativo consistem em uma classificação por estrelas (0-5, sendo 5 a mais alta) e no impacto direcional (aumentado/diminuído) do risco de fraude.
+ As variáveis que aumentam o risco de fraude são indicadas por estrelas vermelhas. Quanto maior o número de estrelas vermelhas, mais a variável aumenta a pontuação de fraude e aumenta a probabilidade de fraude.
+ As variáveis que diminuíram o risco de fraude são indicadas por estrelas verdes. Quanto maior o número de inícios verdes, mais a variável reduz a pontuação de risco de fraude e diminui a probabilidade de fraude.
+ Zero estrelas para todas as variáveis indicam que nenhuma das variáveis, por si só, alterou significativamente o risco de fraude.
**Valor bruto da explicação**
Fornece valor bruto e não interpretado, representado como probabilidades logarítmicas da fraude. Esses valores geralmente estão entre -10 a \+10, mas variam de - infinito a \+ infinito.
+ Um valor positivo indica que a variável aumentou a pontuação de risco.
+ Um valor negativo indica que a variável reduziu a pontuação de risco.
No console do Amazon Fraud Detector, os valores da explicação da previsão são exibidos da seguinte forma. As classificações por estrelas coloridas e os valores numéricos brutos correspondentes facilitam a visualização da influência relativa entre as variáveis.
## Visualizando explicações de previsão
Depois de gerar previsões de fraude, você pode ver as explicações das previsões no console do Amazon Fraud Detector. Para ver as explicações APIs de previsão usando o AWS SDK, você deve primeiro chamar a `ListEventPrediction` API para obter a data e hora da previsão do evento e, em seguida, chamar a `GetEventPredictionMetadata` API para obter as explicações da previsão.
### Veja explicações de previsão usando o console Amazon Fraud Detector
**Para ver as explicações de previsão usando o console,**
1. Abra o AWS console e faça login na sua conta. Navegue até o Amazon Fraud Detector.
1. No painel de navegação esquerdo, escolha **Pesquisar previsões anteriores**.
1. Use os filtros **Propriedade**, **Operador** e **Valor** para selecionar a previsão que você deseja revisar.
1. No painel superior do **Filtro**, certifique-se de selecionar o período em que a previsão que você deseja revisar foi gerada.
1. O painel **Resultados** exibe uma lista de todas as previsões geradas durante o período especificado. Clique no ID do evento da previsão para ver as explicações da previsão.
1. Role para baixo até o painel **Explicações de previsão**.
1. **Defina o botão **Mostrar valor bruto da explicação da predição** para visualizar o valor bruto da explicação da predição de todas as variáveis.**
### Veja explicações de previsão usando o AWS SDK para Python (Boto3) (SDK for Python)
Os exemplos a seguir mostram exemplos de solicitações para visualizar explicações de previsão usando `ListEventPredictions` e `GetEventPredictionMetadata` APIs do AWS SDK.
**Exemplo 1: obtenha uma lista das previsões mais recentes usando `ListEventPredictions` a 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'
}
)
```
**Exemplo 2; Obtenha uma lista de previsões anteriores para o tipo de evento “registro” usando `ListEventPredictions` a 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'
}
)
```
**Exemplo 3: Obtenha detalhes de uma previsão anterior para um ID de evento específico, tipo de evento, ID do detector e ID da versão do detector que foi gerado no período especificado usando a `GetEventPredictionMetadata` API.**
O `predictionTimestamp` especificado para essa solicitação é obtido chamando primeiro a `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'
)
```
## Entendendo como as explicações de previsão são calculadas
O Amazon Fraud Detector usa [SHAP (SHapeley Additive Explanations)](https://arxiv.org/abs/1705.07874) para explicar previsões de eventos individuais, calculando **os valores brutos de explicação** de cada variável de evento usada para treinamento de modelos. Os valores brutos da explicação são calculados pelo modelo como parte do algoritmo de classificação ao gerar previsões. Esses valores brutos de explicação representam a contribuição de cada entrada para o logaritmo das chances de fraude. Os valores brutos da explicação (de -infinito a \+infinito) são convertidos em um **valor de impacto relativo** (-5 a \+5) usando um mapeamento. O valor de impacto relativo derivado do valor bruto da explicação representa o aumento do número de vezes nas chances de fraude (positiva) ou legítima (negativa), facilitando a compreensão das explicações da previsão.