Zusammenfassung
Wie entfernen Sie Verzerrungen aus den Modellen für maschinelles Lernen und stellen sicher, dass die Vorhersagen fair sind? In welchen drei Phasen kann die Bias-Mitigation-Lösung angewendet werden? Dieses Codemuster beantwortet diese Fragen, um Ihnen zu helfen, fundierte Entscheidungen zu treffen, indem Sie die Ergebnisse von Vorhersagemodellen nutzen.
Wenn Sie Fragen zu diesem Codemuster haben, stellen Sie diese oder suchen Sie im zugehörigen Abschnitt nach Antworten Forum.
Beschreibung
Fairness bei Daten und Algorithmen für maschinelles Lernen ist entscheidend für den Aufbau sicherer und verantwortungsbewusster KI-Systeme. Während Genauigkeit eine Metrik für die Bewertung der Genauigkeit eines maschinellen Lernmodells ist, können Sie mit Fairness die praktischen Auswirkungen des Einsatzes des Modells in einer realen Situation verstehen.
In diesem Codemuster verwenden Sie einen Diabetes-Datensatz, um vorherzusagen, ob eine Person anfällig für Diabetes ist. Sie verwenden IBM Watson® Studio, IBM Cloud Object Storage und das AI Fairness 360 Toolkit, um die Daten zu erstellen, den Algorithmus zur Verringerung der Verzerrung anzuwenden und anschließend die Ergebnisse zu analysieren.
Nachdem Sie dieses Codemuster ausgefüllt haben, verstehen Sie Folgendes:
- Erstellen Sie ein Projekt mit Watson Studio
- Verwenden Sie das AI Fairness 360 Toolkit
Flow
- Melden Sie sich bei IBM Watson Studio mit Spark an, initiieren Sie IBM Cloud Object Storage und erstellen Sie ein Projekt.
- Laden Sie die CSV-Datendatei in IBM Cloud Object Storage hoch.
- Laden Sie die Datendatei in das Watson Studio-Notizbuch.
- Installieren Sie das AI Fairness 360 Toolkit im Watson Studio-Notizbuch.
- Analysieren Sie die Ergebnisse, nachdem Sie den Bias-Mitigation-Algorithmus während der Vorverarbeitungs-, In-Processing- und Nachverarbeitungsphasen angewendet haben.
Anweisungen
Die detaillierten Schritte für dieses Muster finden Sie in der readme Datei. Die Schritte zeigen Ihnen, wie Sie:
- Erstellen Sie ein Konto bei IBM Cloud.
- Erstellen Sie ein neues Watson Studio-Projekt.
- Daten hinzufügen.
- Erstellen Sie das Notizbuch.
- Fügen Sie die Daten als DataFrame ein.
- Führen Sie das Notizbuch aus.
- Analysieren Sie die Ergebnisse.
Dieses Codemuster ist Teil des Das AI 360 Toolkit: AI-Modelle erklärt Anwendungsfallreihen, die Stakeholdern und Entwicklern helfen, den Lebenszyklus des KI-Modells vollständig zu verstehen und fundierte Entscheidungen zu treffen.
Quelle: https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/
- Konto
- AI
- Algorithmus
- Algorithmen
- Körper
- Building
- Cloud
- Code
- Inhalt
- technische Daten
- Datensatz
- Entwickler
- Diabetes
- Messe
- Fluss
- Ultraschall
- Hilfe
- HTTPS
- IBM
- IBM Cloud
- IBM Watson
- identifizieren
- lernen
- Maschinelles Lernen
- Modell
- Objektspeicher
- Schnittmuster
- Prognosen
- Projekt
- Die Ergebnisse
- safe
- Modellreihe
- kompensieren
- Lagerung
- Systeme und Techniken
- Watson
- Watson-Studio