خلاصه
در این الگوی کد، یاد بگیرید که چگونه از مجموعه داده های دیابت برای پیش بینی اینکه آیا فرد مستعد ابتلا به دیابت است استفاده کنید. الگوی کد انصاف، توضیح پذیری و استحکام مدل های پیش بینی را بررسی می کند و کارایی سیستم پیش بینی هوش مصنوعی را افزایش می دهد. الگوی کد راه حل انتها به انتها را نشان می دهد و نشان می دهد که چگونه:
- عادلانه بودن مجموعه داده های دیابت را با استفاده از جعبه ابزار AI 360 Fairness بررسی کنید
- مدل را توسعه دهید
- مدل را با استفاده از AI 360 Explainability Toolkit توضیح دهید
الگوی کد، الگوی کد عمومی را برای کل فرآیند انتها به انتها مراحل قبلی به اشتراک می گذارد. بنابراین، می توان از آن برای وصل کردن هر مجموعه داده ای که می خواهید انصاف و توضیح پذیری آن را بررسی کنید، استفاده کرد.
توضیحات:
انصاف فرآیند درک سوگیری معرفی شده توسط داده های شما و اطمینان از اینکه مدل شما پیش بینی های عادلانه ای را در همه گروه های جمعیتی ارائه می دهد. توضیح پذیری نشان می دهد که چگونه یک مدل یادگیری ماشینی پیش بینی های خود را انجام می دهد. با روشن کردن نحوه عملکرد مدل، درک بهتری از مدل به دست میدهد.
در این الگوی کد، از مجموعه داده های دیابت برای پیش بینی اینکه آیا فرد مستعد ابتلا به دیابت است یا خیر استفاده می کنید. شما از IBM Watson® Studio، IBM Cloud Object Storage، AI Explainability 360 Toolkit و AI Fairness 360 Toolkit برای ایجاد داده ها، اعمال الگوریتم کاهش تعصب و سپس تجزیه و تحلیل نتایج استفاده می کنید.
پس از تکمیل این الگوی کد، متوجه می شوید که چگونه:
- با استفاده از Watson Studio یک پروژه ایجاد کنید
- از جعبه ابزار AI Explainability 360 استفاده کنید
- از جعبه ابزار AI Fairness 360 استفاده کنید
جریان
- وارد IBM Watson Studio که توسط Spark طراحی شده است، IBM Cloud Object Storage را راه اندازی کنید و یک پروژه ایجاد کنید.
- فایل داده csv. را در IBM Cloud Object Storage آپلود کنید.
- فایل داده را در نوت بوک Watson Studio بارگیری کنید.
- جعبه ابزار AI Explainability 360 و AI Fairness 360 Toolkit را در نوت بوک Watson Studio نصب کنید.
- نتایج را پس از اعمال الگوریتم کاهش تعصب در مراحل پیش پردازش، حین پردازش و پس از پردازش تجزیه و تحلیل کنید.
دستورالعمل ها
مراحل دقیق این الگو را در قسمت پیدا کنید صفحهی راهنمای ترجمهها فایل. مراحل به شما نشان می دهد که چگونه:
- یک حساب کاربری با IBM Cloud ایجاد کنید.
- یک پروژه جدید واتسون استودیو ایجاد کنید.
- داده ها را اضافه کنید.
- نوت بوک را ایجاد کنید.
- داده ها را به عنوان DataFrame وارد کنید.
- نوت بوک را اجرا کنید.
- نتایج را تجزیه و تحلیل کنید.
این الگوی کد بخشی از جعبه ابزار AI 360: مدل های هوش مصنوعی توضیح داده شده است از سری موارد استفاده کنید، که به ذینفعان و توسعه دهندگان کمک می کند تا چرخه عمر مدل هوش مصنوعی را به طور کامل درک کنند و به آنها در تصمیم گیری آگاهانه کمک کند.
منبع: https://developer.ibm.com/patterns/predict-an-event-with-fairness-explainability-robustness/