Amazon Fraud Detector は、2025 年 11 月 7 日をもって新規顧客に公開されなくなりました。Amazon Fraud Detector と同様の機能については、Amazon SageMaker、AutoGluon、および を参照してください AWS WAF。

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# モデルの構築
<a name="building-a-model"></a>

Amazon Fraud Detector モデルは、特定のイベントタイプの不正を検出する方法を学びます。Amazon Fraud Detector では、まずモデルを作成します。これは、モデルバージョンのコンテナとして機能します。モデルをトレーニングするたびに、新しいバージョンが作成されます。 AWS コンソールを使用してモデルを作成およびトレーニングする方法の詳細については、「」を参照してください[ステップ 3: モデルを作成する](part-a.md#step-3-create-new-ml-model)。

各モデルには、対応するモデルスコア変数があります。Amazon Fraud Detector は、モデルを作成するときにユーザーに代わってこの変数を作成します。この変数をルール式で使用して、不正評価中にモデルスコアを解釈できます。

## を使用したモデルのトレーニングとデプロイ AWS SDK for Python (Boto3)
<a name="train-and-deploy-a-model-using-the-aws-python-sdk"></a>

`CreateModel` および `CreateModelVersion` オペレーションを呼び出すことにより、`CreateModel` はモデルを開始します。これは、モデルバージョンのコンテナとして機能します。`CreateModelVersion` がトレーニングプロセスを開始すると、特定のバージョンのモデルが作成されます。ソリューションの新しいバージョンは、`CreateModelVersion` を呼び出すたびに作成されます。

次の例は、`CreateModel` API のサンプルリクエストを示しています。この例では、*オンライン不正インサイト*モデルタイプで、イベントタイプ `sample_registration` を作成したと仮定します。イベントタイプの作成の詳細については、「[イベントタイプを作成する](create-event-type.md)」を参照してください。

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

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

[CreateModelVersion](https://docs.aws.amazon.com//frauddetector/latest/api/API_CreateModelVersion.html) API を使用して最初のバージョンをトレーニングします。`TrainingDataSource` と には、トレーニングデータセットのソースと Amazon S3 の場所`ExternalEventsDetail`を指定します。では、Amazon Fraud Detector がトレーニングデータを解釈する方法、具体的には含めるイベント変数とイベントラベルの分類方法`TrainingDataSchema`を指定します。デフォルトでは、Amazon Fraud Detector はラベル付けされていないイベントを無視します。このコード例では`AUTO`、 の を使用して`unlabeledEventsTreatment`、Amazon Fraud Detector がラベル付けされていないイベントの使用方法を決定するように指定します。

```
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'
}
)
```

リクエストが成功すると、ステータス `TRAINING_IN_PROGRESS` の新しいモデルバージョンになります。トレーニング中の任意の時点で、`UpdateModelVersionStatus` を呼び出し、ステータスを [`TRAINING_CANCELLED`] に更新することでトレーニングをキャンセルできます。トレーニングが完了すると、モデルバージョンのステータスは [`TRAINING_COMPLETE`] に更新されます。Amazon Fraud Detector コンソールを使用するか、`DescribeModelVersions` を呼び出すことにより、モデルのパフォーマンスを確認できます。モデルのスコアとパフォーマンスの解釈の詳細については、「[モデルスコア](model-scores.md)」および「[モデルパフォーマンスメトリクス](training-performance-metrics.md)」を参照してください。

 モデルのパフォーマンスを確認したら、モデルをアクティブ化し、Detectors でリアルタイムの不正予測を使用できるようにします。Amazon Fraud Detector は、Auto Scaling をオンにした状態で冗長性を確保するために、モデルを複数のアベイラビリティーゾーンにデプロイし、不正予測の数に合わせてモデルをスケーリングするようにします。モデルをアクティブ化するには、`UpdateModelVersionStatus` API を呼び出し、ステータスを [`ACTIVE`] に更新します。

```
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'
)
```