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。
# 予測説明
予測説明は、各イベント変数がモデルの不正予測スコアにどのような影響を与えたかについてのインサイトを提供し、不正予測の一部として自動的に生成されます。各不正予測には、1～1000 のリスクスコアが付けられます。予測説明では、マグニチュード (0～5、5が最高) と方向 (スコアを高くするか低くする) の観点から、各イベント変数がリスクスコアに与える影響の詳細を示します。予測説明を次のタスクで使用することもできます。
+ イベントにレビューのフラグが設定されたときに、手動による調査中にトップリスク指標を特定するタスク。
+ 偽陽性の予測につながる根本原因を絞り込むタスク (例えば、正当なイベントのリスクスコアが高い）。
+ イベントデータ全体にわたる不正パターンを分析し、データセット内のバイアス (存在する場合) を検出するタスク。
**重要**
予測説明は自動的に生成され、*2021 年 6 月 30 日*以降にトレーニングされたモデルでのみ使用できます。*2021 年 6 月 30 日*以前にトレーニングしたモデルの予測説明を受け取るには、そのモデルを再トレーニングします。
予測説明では、モデルのトレーニングに使用されたイベント変数ごとに次の値のセットが提供されます。
**相対的な影響**
不正予測スコアに対する大きさの観点から、変数の影響を視覚的に確認できるようにします。相対的な影響値は、不正リスクの星評価 (0～5、5が最高) と方向 (増加/減少) の影響で構成されます。
+ 不正リスクが増加した変数は、赤色の星で示されます。赤い星の数が多いほど、変数が不正スコアを上げて、不正の可能性が高まります。
+ 不正リスクが減少した変数は、緑色の星で示されます。緑の星の数が多いほど、変数が不正リスクスコアを下げて、不正の可能性が低くなります。
+ すべての変数の星がゼロの場合、どの変数もそれ自体では不正リスクを大きく変えなかったことを示しています。
**未加工の説明値**
不正行為の対数オッズとして表される、未解釈の未加工の値を示します。これらの値は、通常 -10 から \+10 の間ですが、- 無限大から \+ 無限大までの範囲を取れます。
+ 正の値は、変数がリスクスコアを上げたことを示しています。
+ 負の値は、変数がリスクスコアを下げたことを示しています。
Amazon Fraud Detector コンソールでは、予測説明の値が次のように表示されます。色付きの星の評価とそれに対応する未加工の数値により、変数間の相対的な影響を簡単に確認できます。
## 予測説明の表示
不正予測を生成したら、Amazon Fraud Detector コンソールで予測の説明を表示できます。 AWS SDK の APIs を使用して予測の説明を表示するには、まず `ListEventPrediction` API を呼び出してイベントの予測タイムスタンプを取得し、次に `GetEventPredictionMetadata` API を呼び出して予測の説明を取得する必要があります。
### Amazon Fraud Detector コンソールを使用して予測の説明を表示する
**コンソールを使用して予測説明を表示するには**
1. AWS コンソールを開き、アカウントにサインインします。Amazon Fraud Detector に移動します。
1. 左側のナビゲーションペインで、[**過去の予測を検索**] を選択します。
1. **プロパティ**、**演算子**、および**値**のフィルターを使用して、レビューする予測を選択します。
1. 上位の**フィルター**ペインで、確認する予測が生成された期間を必ず選択してください。
1. [**結果**] ペインには、指定した期間中に生成されたすべての予測のリストが表示されます。予測説明を表示するには、予測の [イベント ID] をクリックします。
1. [**予測説明**] ペインまで下にスクロールします。
1. すべての変数の未加工の予測説明値を表示するには、[**未加工の予測説明値を表示**] ボタンを**オン**に設定します。
### AWS SDK for Python (Boto3) を使用して予測の説明を表示する
次の例は、 AWS SDK の `ListEventPredictions`および `GetEventPredictionMetadata` APIs を使用して予測の説明を表示するためのサンプルリクエストを示しています。
**例 1: `ListEventPredictions` API を使用して最新の予測のリストを取得する**
```
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'
}
)
```
**例 2: `ListEventPredictions` API を使用してイベントタイプ「登録」の過去の予測のリストを取得する**
```
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'
}
)
```
**例 3: `GetEventPredictionMetadata` API を使用して、指定された期間に生成された指定されたイベント ID、イベントタイプ、ディテクター ID、ディテクターバージョン ID の過去の予測の詳細を取得します。**
このリクエストに`predictionTimestamp`指定された は、最初に `ListEventPredictions` API を呼び出すことで取得されます。
```
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'
)
```
## 予測説明の計算方法の理解
Amazon Fraud Detector は、[SHAP (SHapeley Additive exPlanations)](https://arxiv.org/abs/1705.07874) を使用して、モデルトレーニングに使用される各イベント変数の**未加工の説明値**を計算することにより、個々のイベント予測を説明します。未加工の説明値は、予測を生成する際に、分類アルゴリズムの一部としてモデルによって計算されます。このような未加工の説明値は、不正の確率の対数に対して各入力がどれだけ寄与しているかを表しています。未加工の説明値 (-無限大から \+無限大まで) は、マッピングを使用して**相対的な影響値** (-5 から\+5) に変換されます。未加工の説明値から導かれる相対的影響値は、不正 (正) または正当 (負) の確立が増加する回数を表し、予測説明を理解しやすくしています。