Fraud Detection Using Machine Learning 可部署一个机器学习（ML）模型和一个信用卡交易示例数据集来训练模型识别欺诈模式。该模型可进行自学，从而能够适应新的未知欺诈模式。
使用此指南来自动执行潜在欺诈活动的检测，并自动标记该活动以供审核。Fraud Detection Using Machine Learning 易于部署，其中包括一个示例数据集，您可以修改代码以使用任何数据集。
概览
Fraud Detection Using Machine Learning 解决方案使您能够对示例数据集或您自己的数据集运行自动交易处理。包含的 ML 模型可检测潜在的欺诈活动，并将该活动标记出来以供审核。下图展示了您可以使用 GitHub 上的示例代码构建的架构。
Fraud Detection Using Machine Learning 架构
代码部署以下基础设施：
- Amazon Simple Storage Service（Amazon S3）存储桶包含信用卡交易数据集的示例。
- 将在数据集上训练的具有不同机器学习模型的 Amazon SageMaker 笔记本实例。
- AWS Lambda 函数，用于处理来自示例数据集的交易，并调用两个用于将异常得分和分类得分分配给传入数据点的 Amazon SageMaker 终端节点。
- Amazon API Gateway REST API 使用签名的 HTTP 请求调用预测。
- Amazon Kinesis Data Firehose 传输流将处理过的交易加载到另一个 Amazon S3 存储桶中进行存储。
此指南还提供了一个示例，说明如何调用预测 REST API 作为 Amazon Sagemaker 笔记本的一部分。
在交易加载到 Amazon S3 之后，您可以使用分析工具和服务，包括
Amazon QuickSight，以进行可视化、报告、临时查询和更详细的分析。
功能
可自定义
该指南包括信用卡交易的示例数据集，但您可以修改解决方案以使用自己的数据集。
自动化
使用预先构建的自学 ML 模型检测潜在欺诈活动并给该活动做上标记以供审核。
