Resumen
En este patrón de código, aprenda a usar un conjunto de datos de diabetes para predecir si una persona es propensa a tener diabetes. El patrón de código explora la equidad, la explicabilidad y la solidez de los modelos predictivos y mejora la eficacia del sistema predictivo de IA. El patrón de código demuestra la solución de un extremo a otro y muestra cómo:
- Verifique la equidad del conjunto de datos sobre diabetes con el kit de herramientas de equidad AI 360
- Desarrollar el modelo
- Explica el modelo con el kit de herramientas de explicabilidad de AI 360
El patrón de código comparte la plantilla de código genérico para todo el proceso de principio a fin de los pasos anteriores. Por lo tanto, se puede utilizar para conectar cualquier conjunto de datos para el que desee explorar la imparcialidad y la explicabilidad.
Descripción
La equidad es el proceso de comprender el sesgo introducido por sus datos y garantizar que su modelo proporcione predicciones equitativas en todos los grupos demográficos. La explicabilidad muestra cómo un modelo de aprendizaje automático hace sus predicciones. Proporciona una mejor comprensión del modelo al aclarar cómo funciona.
En este patrón de código, utiliza un conjunto de datos de diabetes para predecir si una persona es propensa a tener diabetes. Utiliza IBM Watson® Studio, IBM Cloud Object Storage, AI Explainability 360 Toolkit y AI Fairness 360 Toolkit para crear los datos, aplicar el algoritmo de mitigación de sesgos y luego analizar los resultados.
Después de completar este patrón de código, comprenderá cómo:
- Cree un proyecto con Watson Studio
- Utilice el kit de herramientas AI Explainability 360
- Utilice el kit de herramientas AI Fairness 360
Flujo
- Inicie sesión en IBM Watson Studio con tecnología Spark, inicie IBM Cloud Object Storage y cree un proyecto.
- Cargue el archivo de datos .csv en IBM Cloud Object Storage.
- Cargue el archivo de datos en el cuaderno Watson Studio.
- Instale AI Explainability 360 Toolkit y AI Fairness 360 Toolkit en el cuaderno Watson Studio.
- Analice los resultados después de aplicar el algoritmo de mitigación de sesgos durante las etapas de preprocesamiento, en procesamiento y posprocesamiento.
Instrucciones
Encuentre los pasos detallados para este patrón en el readme expediente. Los pasos le mostrarán cómo:
- Cree una cuenta con IBM Cloud.
- Crea un nuevo proyecto de Watson Studio.
- Agregar datos.
- Crea el cuaderno.
- Inserte los datos como DataFrame.
- Ejecute el cuaderno.
- Analiza los resultados.
Este patrón de código es parte del El kit de herramientas AI 360: modelos de AI explicados Serie de casos de uso, que ayuda a las partes interesadas y a los desarrolladores a comprender completamente el ciclo de vida del modelo de IA y a tomar decisiones informadas.
Fuente: https://developer.ibm.com/patterns/predict-an-event-with-fairness-explainability-robustness/- Mi Cuenta
- AI
- algoritmo
- cuerpo
- Soluciones
- código
- contenido
- datos
- conjunto de datos
- capas demográficas
- desarrolladores
- Control de Diabetes
- Evento
- Explicabilidad
- de tus señales
- Cómo
- Como Hacer
- HTTPS
- IBM
- Nube de IBM
- IBM Watson
- IT
- APRENDE:
- aprendizaje
- máquina de aprendizaje
- modelo
- Almacenamiento de objetos
- Patrón de Costura
- Predicciones
- proyecto
- Resultados
- Serie
- set
- Acciones
- STORAGE
- te
- Watson
- Estudio Watson
- funciona