自 2025 年 11 月 7 日起，Amazon Fraud Detector 不再向新客戶開放。對於類似 Amazon Fraud Detector 的功能，請探索 Amazon SageMaker、AutoGluon 和 AWS WAF。
本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 預測說明
預測說明可讓您深入了解每個事件變數如何影響模型的詐騙預測分數，並自動產生做為詐騙預測的一部分。每個詐騙預測的風險分數介於 1 到 1000 之間。預測說明提供每個事件變數在大小 (0-5，5 為最高） 和方向 （提高或降低分數） 方面對風險分數影響的詳細資訊。您也可以針對下列任務使用預測說明：
+ 在標記事件以供檢閱時，識別手動反轉期間的首要風險指標。
+ 縮小導致誤報預測的根本原因 （例如，合法事件的高風險分數）。
+ 分析事件資料中的詐騙模式，並偵測資料集中的任何偏差。
**重要**
預測說明會自動產生，且僅適用於 *2021 年 6 月 30* 日當天或之後訓練的模型。若要接收 *2021 年 6 月 30 日之前所訓練模型的預測說明，*請重新訓練這些模型。
預測說明為用於訓練模型的每個事件變數提供下列一組值。
**相對影響**
提供變數對詐騙預測分數之規模影響的視覺化參考。相對影響值由星星評分 (0-5，5 為最高） 和詐騙風險的方向 （增加/減少） 影響組成。
+ 會增加詐騙風險的變數會以紅色星星表示。紅色星星的數量越高，變數就越能提高詐騙分數，並增加詐騙的可能性。
+ 降低詐騙風險的變數會以綠色星星表示。綠色的啟動次數越高，變數越能降低詐騙風險分數，並降低詐騙的可能性。
+ 所有變數的零星表示沒有任何變數本身會大幅改變詐騙風險。
**原始說明值**
提供原始、未解譯的值，以詐騙的日誌目錄表示。這些值通常介於 -10 到 \+10 之間，但範圍從 - 無限到 \+ 無限。
+ 正值表示變數提高風險分數。
+ 負值表示變數將風險分數向下推。
在 Amazon Fraud Detector 主控台中，預測說明值會顯示如下。彩色星星評分和對應的原始數值，可讓您輕鬆查看變數之間的相對影響。
## 檢視預測說明
產生詐騙預測後，您可以在 Amazon Fraud Detector 主控台中檢視預測說明。若要使用 AWS SDK APIs 檢視預測說明，您必須先呼叫 `ListEventPrediction` API 以取得事件的預測時間戳記，然後呼叫 `GetEventPredictionMetadata` API 以取得預測說明。
### 使用 Amazon Fraud Detector 主控台檢視預測說明
**若要使用主控台檢視預測說明，**
1. 開啟 AWS 主控台並登入您的帳戶。導覽至 Amazon Fraud Detector。
1. 在左側導覽窗格中，選擇**搜尋過去的預測**。
1. 使用 **屬性**、**運算子**和**值**篩選條件來選取您要檢閱的預測。
1. 在頂部**篩選條件**窗格中，請務必選取您要檢閱的預測產生時間期間。
1. **結果**窗格會顯示指定期間內產生的所有預測清單。按一下預測的事件 ID 以檢視預測說明。
1. 向下捲動至**預測說明**窗格。
1. 在 **上**設定**顯示原始預測解釋值**按鈕，以檢視所有變數的原始預測解釋值。
### 使用適用於 Python 的 AWS 開發套件 (Boto3) 檢視預測說明
下列範例顯示使用 AWS SDK 的 `ListEventPredictions`和 `GetEventPredictionMetadata` API 檢視預測說明的範例請求。 APIs
**範例 1：使用 `ListEventPredictions` API 取得最新預測的清單**
```
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'
}
)
```
**範例 2；使用 `ListEventPredictions` API 取得事件類型「註冊」的過去預測清單**
```
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'
}
)
```
**範例 3：取得使用 `GetEventPredictionMetadata` API 在指定期間內產生之指定事件 ID、事件類型、偵測器 ID 和偵測器版本 ID 的過去預測詳細資訊。**
首先呼叫 `ListEventPredictions` API 來取得此請求`predictionTimestamp`指定的 。
```
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'
)
```
## 了解預測解釋的計算方式
Amazon Fraud Detector 使用 [SHAP (SHapeley Additive exPlanations)](https://arxiv.org/abs/1705.07874)，透過計算用於模型訓練之每個事件變數的**原始解釋值**來解釋個別事件預測。產生預測時，原始解釋值由模型計算為分類演算法的一部分。這些原始解釋值代表每個輸入對詐騙機率對日誌的貢獻。原始解釋值 （從 -infinity 轉換為 \+infinity) 會使用映射轉換為**相對影響值** (-5 至 \+5)。衍生自原始解釋值的相對影響值代表詐騙 （正面） 或合法 （負面） 機率增加的次數，讓您更容易了解預測解釋。