Amazon Fraud Detector ist seit dem 7. November 2025 nicht mehr für Neukunden geöffnet. Funktionen, die Amazon Fraud Detector ähneln, finden Sie SageMaker unter Amazon AutoGluon, und AWS WAF.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Ein Modell erstellen
<a name="building-a-model"></a>

Die Modelle von Amazon Fraud Detector lernen, Betrug für einen bestimmten Ereignistyp zu erkennen. In Amazon Fraud Detector erstellen Sie zunächst ein Modell, das als Container für Ihre Modellversionen dient. Jedes Mal, wenn Sie ein Modell trainieren, wird eine neue Version erstellt. Einzelheiten zum Erstellen und Trainieren eines Modells mithilfe der AWS Konsole finden Sie unter[Schritt 3: Modell erstellen](part-a.md#step-3-create-new-ml-model).

Jedes Modell hat eine entsprechende Modell-Score-Variable. Amazon Fraud Detector erstellt diese Variable in Ihrem Namen, wenn Sie ein Modell erstellen. Sie können diese Variable in Ihren Regelausdrücken verwenden, um Ihre Modellwerte während einer Betrugsbewertung zu interpretieren.

## Trainieren und implementieren Sie ein Modell mit dem AWS SDK für Python (Boto3)
<a name="train-and-deploy-a-model-using-the-aws-python-sdk"></a>

Eine Modellversion wird erstellt, indem die `CreateModelVersion` Operationen `CreateModel` und aufgerufen werden. `CreateModel`initiiert das Modell, das als Container für Ihre Modellversionen fungiert. `CreateModelVersion`startet den Trainingsprozess, der zu einer bestimmten Version des Modells führt. Eine neue Version der Lösung wird bei jedem Aufruf erstellt `CreateModelVersion`.

Das folgende Beispiel zeigt eine Beispielanforderung für die `CreateModel` API. In diesem Beispiel wird der Modelltyp *Online Fraud Insights* erstellt und davon ausgegangen, dass Sie einen Ereignistyp erstellt haben`sample_registration`. Weitere Informationen zum Erstellen eines Ereignistyps finden Sie unter[Erstellen Sie einen Ereignistyp](create-event-type.md).

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

fraudDetector.create_model (
modelId = 'sample_fraud_detection_model',
eventTypeName = 'sample_registration',
modelType = 'ONLINE_FRAUD_INSIGHTS')
```

Trainieren Sie Ihre erste Version mithilfe der [CreateModelVersion](https://docs.aws.amazon.com//frauddetector/latest/api/API_CreateModelVersion.html)API. `ExternalEventsDetail`Geben Sie für `TrainingDataSource` und die Quelle und den Amazon S3 S3-Speicherort des Trainingsdatensatzes an. `TrainingDataSchema`Geben Sie für die an, wie Amazon Fraud Detector die Trainingsdaten interpretieren soll, insbesondere welche Ereignisvariablen aufgenommen werden sollen und wie die Ereignisbezeichnungen klassifiziert werden sollen. Standardmäßig ignoriert Amazon Fraud Detector die nicht gekennzeichneten Ereignisse. In diesem Beispielcode wird `AUTO` für angegeben`unlabeledEventsTreatment`, dass Amazon Fraud Detector entscheidet, wie die unmarkierten Ereignisse verwendet werden sollen.

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

fraudDetector.create_model_version (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
trainingDataSource = 'EXTERNAL_EVENTS',
trainingDataSchema = {
    'modelVariables' : ['ip_address', 'email_address'],
    'labelSchema' : {
        'labelMapper' : {
            'FRAUD' : ['fraud'],
            'LEGIT' : ['legit']
        }
       unlabeledEventsTreatment = 'AUTO'
    }
}, 
externalEventsDetail = {
    'dataLocation' : 's3://bucket/file.csv',
    'dataAccessRoleArn' : 'role_arn'
}
)
```

Eine erfolgreiche Anfrage führt zu einer neuen Modellversion mit Status`TRAINING_IN_PROGRESS`. Sie können die Schulung jederzeit während der Schulung stornieren, indem Sie anrufen `UpdateModelVersionStatus` und den Status auf aktualisieren`TRAINING_CANCELLED`. Sobald die Schulung abgeschlossen ist, wird der Status der Modellversion auf aktualisiert`TRAINING_COMPLETE`. Sie können die Leistung des Modells über die Amazon Fraud Detector Detector-Konsole oder telefonisch überprüfen`DescribeModelVersions`. Weitere Informationen zur Interpretation der Modellwerte und der Leistung finden Sie unter [Das Modell bewertet](model-scores.md) und[Modellieren Sie Leistungskennzahlen](training-performance-metrics.md).

 Nachdem Sie die Leistung des Modells überprüft haben, aktivieren Sie das Modell, damit es von Detectors für Betrugsprognosen in Echtzeit verwendet werden kann. Amazon Fraud Detector stellt das Modell aus Redundanzgründen in mehreren Verfügbarkeitszonen bereit, wobei die auto-scaling aktiviert ist, um sicherzustellen, dass das Modell mit der Anzahl der von Ihnen erstellten Betrugsprognosen skaliert wird. Um das Modell zu aktivieren, rufen Sie die `UpdateModelVersionStatus` API auf und aktualisieren Sie den Status auf. `ACTIVE`

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

fraudDetector.update_model_version_status (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
modelVersionNumber = '1.00',
status = 'ACTIVE'
)
```