Dupa finalizarea antrenamentului pentru model, Amazon Fraud Detector valideaza performanta modelului folosind 15% din datele dvs. care nu au fost utilizate pentru instruirea modelului. Va puteti astepta ca modelul dvs. instruit de Amazon Fraud Detector sa aiba performante reale de detectare a fraudei, care sunt similare cu valorile performantelor de validare.
Ca afacere, trebuie sa echilibrati intre detectarea mai multor fraude si adaugarea mai multa frecare clientilor legitimi. Pentru a ajuta la alegerea echilibrului potrivit, Amazon Fraud Detector ofera urmatoarele instrumente pentru a evalua performanta modelului:
-
Diagrama de distributie a scorului – O histograma a distributiilor scorului model presupune un exemplu de populatie de 100.000 de evenimente. Axa Y stanga reprezinta evenimentele legitime, iar axa Y dreapta reprezinta evenimentele de frauda. Puteti selecta un anumit prag de model facand clic pe zona graficului. Aceasta va actualiza vizualizarile corespunzatoare din matricea de confuzie si diagrama ROC.
-
Matrice de confuzie – Rezuma acuratetea modelului pentru un prag de scor dat, comparand predictiile modelului cu rezultatele reale. Amazon Fraud Detector presupune un exemplu de populatie de 100.000 de evenimente. Distribuirea fraudei si a evenimentelor legitime simuleaza rata fraudelor in afacerile dvs.
-
Adevarate pozitive – Modelul prezice fraude, iar evenimentul este de fapt frauda.
-
Fals pozitive – Modelul prezice fraude, dar evenimentul este de fapt legitim.
-
Adevarate negative – Modelul prezice legitim si evenimentul este de fapt legitim.
-
False negative – Modelul prezice legitim, dar evenimentul este de fapt frauda.
-
Rata pozitiva adevarata (TPR) – Procentul fraudei totale detectate de model.
españolas calientes me follo a mi vecina
video famosas desnudas descargar peliculas porno completas
madura cabalgando tangas xxx
chuponas maduros en pajilleros
cornudos consentidos nonude model
www rubias españolas follando por dinero
porno españa casero maduras españolas amater
creampie abuelas viejas mexicanas follando
porno amateur hd porno en cine convencional
pollones enormes miriam sanchez videos porno
padre enseña a follar a su hija porno gay cerdo
intercambio parejas amateur revistas xxx
abuela enculada necrofilia xxx
follada por su jefe tetas saltarinas
porno gratis abuelos feet hentai
follando con la abuela follada en tanga
follando con mi amante porno friki
pelis porno francesas vidio xxxx
porno hoy paja en publico
masajes eroticos camara oculta porno violacion gayCunoscuta si sub numele de rata de captare.
-
Rata fals pozitiva (FPR) – Procentaj din totalul evenimentelor legitime care sunt prezise incorect drept frauda.
-
-
Curba operatorului receptorului (ROC) – Reprezinta rata reala pozitiva in functie de rata fals pozitiva peste toate pragurile de scor ale modelului posibile. Vizualizati acest grafic alegand Valori avansate .
-
Zona sub curba (ASC) – Rezuma TPR si FPR pe toate pragurile de scor ale modelului posibile. Un model fara putere predictiva are o ASC de 0,5, in timp ce un model perfect are un scor de 1,0.
Pentru a utiliza valorile performantei modelului
-
Incepeti cu graficul de distributie Scor pentru a revizui distributia scorurilor model pentru frauda si evenimentele legitime. In mod ideal, veti avea o separare clara intre fraude si evenimente legitime. Acest lucru indica faptul ca modelul poate identifica cu exactitate ce evenimente sunt frauduloase si care sunt legitime. Selectati un prag de model facand clic pe zona graficului. Puteti vedea modul in care ajustarea pragului de scor al modelului va afecteaza ratele adevarate pozitive si fals pozitive.
Graficul de distributie a scorurilor prezinta frauda si evenimentele legitime pe doua axe Y diferite. Axa Y stanga reprezinta evenimentele legitime, iar axa Y dreapta reprezinta evenimentele de frauda.
-
Examinati matricea Confusion . In functie de pragul de scor al modelului selectat, puteti vedea impactul simulat pe baza unui esantion de 100.000 de evenimente. Distribuirea fraudei si a evenimentelor legitime simuleaza rata fraudelor in afacerile dvs. Folositi aceste informatii pentru a gasi echilibrul corect intre rata adevarata pozitiva si rata fals pozitiva.
-
Pentru detalii suplimentare, alegeti Valori avansate . Utilizati graficul ROC pentru a intelege relatia dintre rata pozitiva adevarata si rata fals pozitiva pentru orice prag de scor de model. Curba ROC va poate ajuta sa reglati bine compromisul intre rata adevarata pozitiva si rata fals pozitiva.
De asemenea, puteti revizui valorile sub forma de tabel alegand Tabel .
Vizualizarea in tabel arata, de asemenea, precizia metrica . Precizia este procentul de evenimente de frauda corect prezise ca fiind frauduloase in comparatie cu toate evenimentele prezise ca fiind frauduloase.
-
Utilizati valorile de performanta pentru a determina pragurile de model optime pentru afacerile dvs. pe baza obiectivelor si a cazului de utilizare pentru detectarea fraudei. De exemplu, daca intentionati sa utilizati modelul pentru a clasifica inregistrarile de conturi noi cu risc ridicat, mediu sau scazut, trebuie sa identificati doua scoruri de prag, astfel incat sa puteti redacta trei conditii de regula dupa cum urmeaza:
-
Scorurile> X prezinta un risc ridicat
-
Scorurile <X dar> Y sunt cu risc mediu
-
Scorurile <Y sunt cu risc scazut
-








