Spec-Zone.ru › AWS CLI v2

[ 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)

Идентификатор модели.

--model-version-number (строка)

Номер версии модели.

--model-type (строка)

Тип модели.

Возможные значения:

  • ONLINE_FRAUD_INSIGHTS
  • TRANSACTION_FRAUD_INSIGHTS
  • ACCOUNT_TAKEOVER_INSIGHTS

--next-token (строка)

Следующий токен из предыдущих результатов.

--max-results (целое число)

Максимальное количество результатов для возврата.

--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)

Идентификатор модели.

modelType -> (строка)

Тип модели.

modelVersionNumber -> (строка)

Номер версии модели.

status -> (строка)

Статус версии модели.

trainingDataSource -> (строка)

Источник обучающих данных версии модели.

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)

(строка)

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)

Расположение ведра Amazon S3 для данных.

dataAccessRoleArn -> (строка)

ARN роли, которая предоставляет Amazon Fraud Detector доступ к расположению данных.

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)

Отметка времени первого обработанного события.

endTime -> (строка)

Отметка времени последнего обработанного события.

trainingResult -> (структура)

Результаты обучения.

dataValidationMetrics -> (структура)

Метрики проверки данных.

fileLevelMessages -> (список)

Сообщения проверки данных модели, специфичные для файлов.

(структура)

Подробности сообщения.

title -> (строка)

Заголовок сообщения.

content -> (строка)

Содержание сообщения.

type -> (строка)

Тип сообщения.

fieldLevelMessages -> (список)

Сообщения проверки обучения модели, специфичные для полей.

(структура)

Подробности сообщения.

fieldName -> (строка)

Имя поля.

identifier -> (строка)

Идентификатор сообщения.

title -> (строка)

Заголовок сообщения.

content -> (строка)

Содержание сообщения.

type -> (строка)

Тип сообщения.

trainingMetrics -> (структура)

Детали метрики обучения.

auc -> (число с плавающей точкой)

Площадь под кривой. Это обобщает скорость истинно положительных (TPR) и скорость ложноположительных (FPR) для всех возможных пороговых значений оценки модели. Модель без предсказательной силы имеет AUC 0,5, а идеальная модель имеет значение 1,0.

metricDataPoints -> (список)

Детали точек данных.

(структура)

Точки данных метрик производительности модели.

fpr -> (число с плавающей точкой)

Скорость ложноположительных. Это процент всех законных событий, которые неправильно предсказываются как мошеннические.

precision -> (число с плавающей точкой)

Процент мошеннических событий, которые правильно предсказаны как мошеннические по сравнению со всеми событиями, предсказанными как мошеннические.

tpr -> (число с плавающей точкой)

Скорость истинноположительных. Это процент всех мошеннических событий, которые модель обнаруживает. Также известно как скорость обнаружения.

threshold -> (число с плавающей точкой)

Пороговое значение модели, которое определяет приемлемую скорость обнаружения мошеннических действий. Например, порог 500 означает, что любая оценка модели 500 или выше классифицируется как мошенничество.

variableImportanceMetrics -> (структура)

Метрики важности переменных.

logOddsMetrics -> (список)

Список метрик переменных.

(структура)

Подробности метрики логарифмических шансов.

variableName -> (строка)

Название переменной.

variableType -> (строка)

Тип переменной.

variableImportance -> (число с плавающей точкой)

Относительная важность переменной. Для получения дополнительной информации см. Важность переменных модели.

lastUpdatedTime -> (строка)

Отметка времени последнего обновления модели.

createdTime -> (строка)

Отметка времени создания модели.

arn -> (строка)

ARN версии модели.

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)

Заголовок сообщения.

content -> (строка)

Содержание сообщения.

type -> (строка)

Тип сообщения.

fieldLevelMessages -> (список)

Сообщения валидации обучения модели, относящиеся к определённому полю.

(структура)

Подробности сообщения.

fieldName -> (строка)

Имя поля.

identifier -> (строка)

Идентификатор сообщения.

title -> (строка)

Заголовок сообщения.

content -> (строка)

Содержание сообщения.

type -> (строка)

Тип сообщения.

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)

Доля ложноположительных результатов. Это процент всех добросовестных событий, которые неправильно предсказываются как мошеннические.

precision -> (число с плавающей запятой)

Процент мошеннических событий, которые правильно предсказываются как мошеннические по сравнению со всеми событиями, предсказанными как мошеннические.

tpr -> (число с плавающей запятой)

Доля истинноположительных результатов. Это процент всего мошенничества, которое обнаруживает модель. Также известно как показатель охвата.

threshold -> (число с плавающей запятой)

Порог модели, определяющий приемлемый показатель охвата мошенничества. Например, порог 500 означает, что любое значение модели 500 или выше классифицируется как мошенничество.

modelPerformance -> (структура)

Общий показатель производительности модели.

auc -> (число с плавающей запятой)

Площадь под кривой (AUC). Это обобщает общий показатель положительных результатов (tpr) и показатель ложноположительных результатов (FPR) для всех возможных порогов оценки модели.

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)

Нижняя граница значения площади под кривой (AUC).

upperBoundValue -> (число с плавающей запятой)

Верхняя граница значения площади под кривой (AUC).

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)

Доля ложноположительных результатов. Это процент всех добросовестных событий, которые неправильно предсказываются как мошеннические.

precision -> (число с плавающей запятой)

Процент мошеннических событий, которые правильно предсказываются как мошеннические по сравнению со всеми событиями, предсказанными как мошеннические.

tpr -> (число с плавающей запятой)

Доля истинноположительных результатов. Это процент всего мошенничества, которое обнаруживает модель. Также известно как показатель охвата.

threshold -> (число с плавающей запятой)

Порог модели, определяющий приемлемый показатель охвата мошенничества. Например, порог 500 означает, что любое значение модели 500 или выше классифицируется как мошенничество.

modelPerformance -> (структура)

Показатель производительности модели.

auc -> (число с плавающей запятой)

Площадь под кривой (AUC). Это обобщает общий показатель положительных результатов (tpr) и показатель ложноположительных результатов (FPR) для всех возможных порогов оценки модели.

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)

Нижняя граница значения площади под кривой (AUC).

upperBoundValue -> (число с плавающей запятой)

Верхняя граница значения площади под кривой (AUC).

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)

Коэффициент проверки. Этот показатель указывает процент событий входа в систему, которые модель рекомендует проверить (например, одноразовый пароль, многофакторная аутентификация и расследования).

adr -> (число с плавающей запятой)

Скорость обнаружения аномалий. Эта метрика количественно определяет процент аномалий, которые может обнаружить модель при выбранном пороге оценки. Более низкий порог оценки увеличивает процент зафиксированных аномалий моделью, но также потребует проверки большего процента событий входа в систему, что приведёт к большему затруднению для клиента.

threshold -> (число с плавающей запятой)

Порог модели, определяющий приемлемый показатель охвата мошенничества. Например, порог 500 означает, что любое значение модели 500 или выше классифицируется как мошенничество.

atodr -> (число с плавающей запятой)

Скорость обнаружения компрометации учетных записей. Эта метрика количественно определяет процент событий компрометации учетных записей, которые может обнаружить модель при выбранном пороге оценки. Эта метрика доступна только в том случае, если в обработанном наборе данных присутствует 50 или более сущностей с по крайней мере одним помеченным событием компрометации учетной записи.

modelPerformance -> (структура)

Общий показатель производительности модели.

asi -> (число с плавающей запятой)

Индекс разделения аномалий (ASI). Эта метрика обобщает общую способность модели отделять аномальные действия от нормального поведения. В зависимости от бизнеса большая часть этих аномалий может быть злонамеренной и соответствовать атакам на компрометацию учетных записей. Модель без способности к разделению будет иметь минимально возможный показатель ASI 0,5, в то время как модель с высокой способностью к разделению будет иметь максимально возможный показатель ASI 1,0.

variableImportanceMetrics -> (структура)

Подробные сведения о метриках важности переменных.

logOddsMetrics -> (список)

Список метрик переменных.

(структура)

Подробные сведения о метрике логарифмических шансов.

variableName -> (строка)

Имя переменной.

variableType -> (строка)

Тип переменной.

variableImportance -> (число с плавающей запятой)

Относительная важность переменной. Дополнительную информацию см. в разделе Важность переменных модели.

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)

Относительная важность переменных в списке по отношению к другим переменным события.

nextToken -> (строка)

Следующий токен.

© Copyright 2025, Amazon Web Services. Created using Sphinx.

END_OF_DOCUMENT_MARKER

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API