截至 2025 年 11 月 7 日，亚马逊 Fraud Detector 不再向新客户开放。要获得与 Amazon Fraud Detector 类似的功能 SageMaker，请浏览亚马逊 AutoGluon、和 AWS WAF。
本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
创建变量
您可以在 Amazon Fraud Detector 控制台中创建变量，使用创建变量
使用 Amazon Fraud Detector 控制台创建变量
此示例创建了两个变量email_address和ip_address，并将它们分配给相应的变量类型（EMAIL_ADDRESS和IP_ADDRESS）。这些变量用作示例。如果您要创建用于模型训练的变量，请使用数据集中适合您的用例的变量。在创建变量变量丰富之前变量类型，请务必阅读和的内容。
要创建变量，
-
打开 AWS 管理控制台
，登录您的账户。 -
导航至 Amazon Fraud Detector，在左侧导航栏中选择 “变量”，然后选择 “创建”。
-
在 “新建变量” 页面中，输入变量名
email_address作为变量。（可选）输入变量的描述。 -
在变量类型中，选择电子邮件地址。
-
Amazon Fraud Detector 会自动为此变量类型选择数据类型，因为该变量类型是预定义的。如果您的变量未自动分配变量类型，请从列表中选择变量类型。有关更多信息，请参阅 变量类型。
-
如果要为变量提供默认值，请选择 “定义自定义默认值”，然后为变量输入默认值。如果您正在使用此示例，请跳过此步骤。
-
选择创建。
-
在 email_address 概述页面中，确认您刚刚创建的变量的详细信息。
如果您需要更新，请选择编辑并提供更新。选择保存更改。
-
重复该过程以创建另一个变量
ip_address，然后为变量类型选择 IP 地址。 -
变量页面显示新创建的变量。
重要
我们建议您根据需要从数据集中创建任意数量的变量。您可以稍后在创建事件类型时决定要包含哪些变量来训练模型以检测欺诈和生成欺诈检测。
使用创建变量 AWS SDK for Python (Boto3)
以下示例显示了对 CreateVariableAPI 的请求。该示例创建了两个变量email_address和ip_address，并将它们分配给相应的变量类型（EMAIL_ADDRESS和IP_ADDRESS）。
这些变量用作示例。如果您要创建用于模型训练的变量，请使用数据集中适合您的用例的变量。在创建变量变量丰富之前变量类型，请务必阅读和的内容。
请务必指定变量源。它有助于确定变量值的派生位置。如果变量源为 EV EN T，则变量值将作为GetEventPrediction请求的一部分发送。如果变量值为MODEL_SCORE，则由 Amazon Fraud Detector 填充它。如果为EXTERNAL_MODEL_SCORE，则变量值由导入的 SageMaker AI 模型填充。
import boto3 fraudDetector = boto3.client('frauddetector') #Create variable email_address fraudDetector.create_variable( name = 'email_address', variableType = 'EMAIL_ADDRESS', dataSource = 'EVENT', dataType = 'STRING', defaultValue = '<unknown>' ) #Create variable ip_address fraudDetector.create_variable( name = 'ip_address', variableType = 'IP_ADDRESS', dataSource = 'EVENT', dataType = 'STRING', defaultValue = '<unknown>' )
