[ aws . frauddetector ]
describe-model-versions
Описание
Получает все версии модели для указанного типа модели или для указанного типа модели и идентификатора модели. Также можно получить детали для одной конкретной версии модели.
См. также: Документацию API AWS
Синтаксис
describe-model-versions
[--model-id <value>]
[--model-version-number <value>]
[--model-type <value>]
[--next-token <value>]
[--max-results <value>]
[--cli-input-json | --cli-input-yaml]
[--generate-cli-skeleton <value>]
[--debug]
[--endpoint-url <value>]
[--no-verify-ssl]
[--no-paginate]
[--output <value>]
[--query <value>]
[--profile <value>]
[--region <value>]
[--version <value>]
[--color <value>]
[--no-sign-request]
[--ca-bundle <value>]
[--cli-read-timeout <value>]
[--cli-connect-timeout <value>]
[--cli-binary-format <value>]
[--no-cli-pager]
[--cli-auto-prompt]
[--no-cli-auto-prompt]
Параметры
--model-id (строка)
--model-version-number (строка)
--model-type (строка)
Тип модели.
Возможные значения:
ONLINE_FRAUD_INSIGHTSTRANSACTION_FRAUD_INSIGHTSACCOUNT_TAKEOVER_INSIGHTS
--next-token (строка)
--max-results (целое число)
--cli-input-json | --cli-input-yaml (строка) Считывает аргументы из предоставленной JSON-строки. JSON-строка следует формату, предоставленному --generate-cli-skeleton. Если на командной строке указаны другие аргументы, эти значения переопределяют значения, предоставленные в JSON. Невозможно передавать произвольные двоичные значения с помощью предоставленного JSON-значения, так как строка будет взята буквально. Это не может быть указано вместе с --cli-input-yaml.
--generate-cli-skeleton (строка) Выводит JSON-скелет в стандартный вывод без отправки запроса API. Если предоставлено значение без значения или значение input, выводит пример входного JSON, который можно использовать в качестве аргумента для --cli-input-json. Аналогично, если предоставлено yaml-input, выводит пример входного YAML, который можно использовать с --cli-input-yaml. Если предоставлено значение output, оно проверяет входные данные команды и возвращает JSON-образец выходных данных для этой команды. Сгенерированный JSON-скелет не стабилен между версиями AWS CLI, и нет гарантий обратной совместимости в сгенерированном JSON-скелете.
Глобальные параметры
--debug (логическое значение)
Включить отладочную запись журнала.
--endpoint-url (строка)
Переопределить значение URL по умолчанию команды указанным URL.
--no-verify-ssl (логическое значение)
По умолчанию AWS CLI использует SSL при взаимодействии с AWS-сервисами. Для каждого SSL-соединения AWS CLI будет проверять SSL-сертификаты. Этот параметр переопределяет поведение по умолчанию по проверке SSL-сертификатов.
--no-paginate (логическое значение)
Отключить автоматическую постраничную навигацию. Если автоматическая постраничная навигация отключена, AWS CLI выполнит только один вызов для первой страницы результатов.
--output (строка)
Стиль форматирования выходных данных команды.
- json
- text
- table
- yaml
- yaml-stream
--query (строка)
Запрос JMESPath для фильтрации данных ответа.
--profile (строка)
Использовать определенный профиль из файла учетных данных.
--region (строка)
Регион для использования. Переопределяет настройки конфигурации/среды.
--version (строка)
Отобразить версию этого инструмента.
--color (строка)
Включение/отключение цветного вывода.
- on
- off
- auto
--no-sign-request (логическое значение)
Не подписывать запросы. Учетные данные не будут загружены, если этот аргумент предоставлен.
--ca-bundle (строка)
Набор сертификатов CA для использования при проверке SSL-сертификатов. Переопределяет настройки конфигурации/среды.
--cli-read-timeout (целое число)
Максимальное время чтения сокета в секундах. Если значение установлено в 0, чтение сокета будет блокирующим и не будет иметь таймаут. Значение по умолчанию составляет 60 секунд.
--cli-connect-timeout (целое число)
Максимальное время подключения сокета в секундах. Если значение установлено в 0, подключение сокета будет блокирующим и не будет иметь таймаут. Значение по умолчанию составляет 60 секунд.
--cli-binary-format (строка)
Стиль форматирования, который будет использоваться для двоичных блоков. Формат по умолчанию — base64. Формат base64 ожидает, что двоичные блоки будут предоставлены в виде закодированной в base64 строки. Формат raw-in-base64-out сохраняет совместимость с поведением AWS CLI V1, и двоичные значения должны быть переданы буквально. При предоставлении содержимого из файла, которое отображается в двоичный блок, fileb:// всегда будет обрабатываться как двоичный и будет использовать содержимое файла непосредственно независимо от настройки cli-binary-format. При использовании file:// содержимое файла должно быть должным образом отформатировано для настроенного cli-binary-format.
- base64
- raw-in-base64-out
--no-cli-pager (логическое значение)
Отключить пейджер CLI для вывода.
--cli-auto-prompt (логическое значение)
Автоматически запрашивать параметры ввода CLI.
--no-cli-auto-prompt (логическое значение)
Отключить автоматический запрос параметров ввода CLI.
Вывод
modelVersionDetails -> (список)
Детали версии модели.
(структура)
Детали версии модели.
modelId -> (строка)
modelType -> (строка)
modelVersionNumber -> (строка)
status -> (строка)
trainingDataSource -> (строка)
trainingDataSchema -> (структура)
Схема обучающих данных.
modelVariables -> (список)
Переменные схемы обучающих данных.
(строка)
labelSchema -> (структура)
Схема меток.
labelMapper -> (отображение)
labelMapper сопоставляет поддерживаемые Amazon Fraud Detector метки классификации модели (FRAUD , LEGIT ) с соответствующими метками типа события. Например, если “FRAUD “ и “LEGIT “ являются поддерживаемыми Amazon Fraud Detector метками, это отображение может быть: {"FRAUD" => ["0"] , "LEGIT" => ["1"]} или {"FRAUD" => ["false"] , "LEGIT" => ["true"]} или {"FRAUD" => ["fraud", "abuse"] , "LEGIT" => ["legit", "safe"]}. Часть значения отображения — список, так как у вас могут быть несколько вариантов меток из вашего типа события для одной метки Amazon Fraud Detector.
key -> (строка)
value -> (список)
unlabeledEventsTreatment -> (строка)
Действие для немаркированных событий.
- Используйте
IGNORE, если вы хотите игнорировать немаркированные события. Это рекомендуется, когда большинство событий в наборе данных помечены. - Используйте
FRAUD, если вы хотите классифицировать все немаркированные события как «Мошенничество». Это рекомендуется, когда большинство событий в вашем наборе данных являются мошенническими. - Используйте
LEGIT, если вы хотите классифицировать все немаркированные события как «Легитимные». Это рекомендуется, когда большинство событий в вашем наборе данных являются легитимными. - Используйте
AUTO, если вы хотите, чтобы Amazon Fraud Detector решил, как использовать немаркированные данные. Это рекомендуется, когда в наборе данных есть значительное количество немаркированных событий.
По умолчанию Amazon Fraud Detector игнорирует немаркированные данные.
externalEventsDetail -> (структура)
Детали данных внешних событий. Это будет заполняться, если trainingDataSource для версии модели задано как EXTERNAL_EVENTS.
dataLocation -> (строка)
dataAccessRoleArn -> (строка)
ingestedEventsDetail -> (структура)
Детали данных обработанных событий. Это будет заполняться, если trainingDataSource для версии модели задано как INGESTED_EVENTS.
ingestedEventsTimeWindow -> (структура)
Начальное и конечное время обработанных событий.
startTime -> (строка)
endTime -> (строка)
trainingResult -> (структура)
Результаты обучения.
dataValidationMetrics -> (структура)
Метрики проверки данных.
fileLevelMessages -> (список)
Сообщения проверки данных модели, специфичные для файлов.
(структура)
Подробности сообщения.
title -> (строка)
content -> (строка)
type -> (строка)
fieldLevelMessages -> (список)
Сообщения проверки обучения модели, специфичные для полей.
(структура)
Подробности сообщения.
fieldName -> (строка)
identifier -> (строка)
title -> (строка)
content -> (строка)
type -> (строка)
trainingMetrics -> (структура)
Детали метрики обучения.
auc -> (число с плавающей точкой)
metricDataPoints -> (список)
Детали точек данных.
(структура)
Точки данных метрик производительности модели.
fpr -> (число с плавающей точкой)
precision -> (число с плавающей точкой)
tpr -> (число с плавающей точкой)
threshold -> (число с плавающей точкой)
variableImportanceMetrics -> (структура)
Метрики важности переменных.
logOddsMetrics -> (список)
Список метрик переменных.
(структура)
Подробности метрики логарифмических шансов.
variableName -> (строка)
variableType -> (строка)
variableImportance -> (число с плавающей точкой)
lastUpdatedTime -> (строка)
createdTime -> (строка)
arn -> (строка)
trainingResultV2 -> (структура)
Подробные сведения о результатах обучения. Сведения включают относительную важность переменных.
dataValidationMetrics -> (структура)
Метрики проверки данных обучения модели.
fileLevelMessages -> (список)
Сообщения проверки данных обучения модели, относящиеся к определённому файлу.
(структура)
Подробности сообщения.
title -> (строка)
content -> (строка)
type -> (строка)
fieldLevelMessages -> (список)
Сообщения валидации обучения модели, относящиеся к определённому полю.
(структура)
Подробности сообщения.
fieldName -> (строка)
identifier -> (строка)
title -> (строка)
content -> (строка)
type -> (строка)
trainingMetricsV2 -> (структура)
Подробные сведения о метриках обучения.
ofi -> (структура)
Подробные сведения о метриках обучения модели Online Fraud Insights (OFI).
metricDataPoints -> (список)
Точки данных метрик производительности модели.
(структура)
Точки данных метрик производительности модели Online Fraud Insights (OFI).
fpr -> (число с плавающей запятой)
precision -> (число с плавающей запятой)
tpr -> (число с плавающей запятой)
threshold -> (число с плавающей запятой)
modelPerformance -> (структура)
Общий показатель производительности модели.
auc -> (число с плавающей запятой)
uncertaintyRange -> (структура)
Указывает диапазон площади под кривой (AUC), ожидаемый от модели OFI. Диапазон больше 0,1 указывает на большую неопределенность модели.
lowerBoundValue -> (число с плавающей запятой)
upperBoundValue -> (число с плавающей запятой)
tfi -> (структура)
Подробные сведения о метриках обучения модели Transaction Fraud Insights (TFI).
metricDataPoints -> (список)
Точки данных метрик производительности модели.
(структура)
Точки данных метрик производительности модели Transaction Fraud Insights (TFI).
fpr -> (число с плавающей запятой)
precision -> (число с плавающей запятой)
tpr -> (число с плавающей запятой)
threshold -> (число с плавающей запятой)
modelPerformance -> (структура)
Показатель производительности модели.
auc -> (число с плавающей запятой)
uncertaintyRange -> (структура)
Указывает диапазон площади под кривой (AUC), ожидаемый от модели TFI. Диапазон больше 0,1 указывает на большую неопределенность модели.
lowerBoundValue -> (число с плавающей запятой)
upperBoundValue -> (число с плавающей запятой)
ati -> (структура)
Подробные сведения о метриках обучения модели Account Takeover Insights (ATI).
metricDataPoints -> (список)
Точки данных метрик производительности модели.
(структура)
Точки данных метрик производительности модели Account Takeover Insights (ATI).
cr -> (число с плавающей запятой)
adr -> (число с плавающей запятой)
threshold -> (число с плавающей запятой)
atodr -> (число с плавающей запятой)
modelPerformance -> (структура)
Общий показатель производительности модели.
asi -> (число с плавающей запятой)
variableImportanceMetrics -> (структура)
Подробные сведения о метриках важности переменных.
logOddsMetrics -> (список)
Список метрик переменных.
(структура)
Подробные сведения о метрике логарифмических шансов.
variableName -> (строка)
variableType -> (строка)
variableImportance -> (число с плавающей запятой)
aggregatedVariablesImportanceMetrics -> (структура)
Метрики важности переменных агрегированных переменных.
Модель Account Takeover Insights (ATI) использует переменные событий из предоставляемых вами данных входа в систему для непрерывного вычисления набора переменных (агрегированных переменных) на основе исторических событий. Например, ваша модель ATI может вычислить количество раз, когда пользователь вошел в систему с одного и того же IP-адреса. В этом случае переменные событий, используемые для вывода агрегированных переменных, это IP address и user.
logOddsMetrics -> (список)
Список метрик переменных.
(структура)
Подробные сведения о метрике логарифмических шансов.
Модель Account Takeover Insights (ATI) использует переменные событий из предоставляемых вами данных входа в систему для непрерывного вычисления набора переменных (агрегированных переменных) на основе исторических событий. Например, ваша модель ATI может вычислить количество раз, когда пользователь вошел в систему с одного и того же IP-адреса. В этом случае переменные событий, используемые для вывода агрегированных переменных, это IP address и user.
variableNames -> (список)
Имена всех переменных.
(строка)
aggregatedVariablesImportance -> (число с плавающей запятой)
nextToken -> (строка)
© Copyright 2025, Amazon Web Services. Created using Sphinx.