Yhteenveto
Kuinka poistat ennakkoluulot koneoppimismalleista ja varmistat, että ennusteet ovat oikeudenmukaisia? Mitkä ovat kolme vaihetta, joissa esijännityksen lieventämisratkaisua voidaan soveltaa? Tämä koodimalli vastaa näihin kysymyksiin auttaaksesi tekemään tietoon perustuvaa päätöstä kuluttamalla ennakoivien mallien tuloksia.
Jos sinulla on kysyttävää tästä koodimallista, kysy heiltä tai etsi vastauksia vastaavasta foorumi.
Kuvaus
Tietojen ja koneoppimisalgoritmien oikeudenmukaisuus on kriittinen turvallisten ja vastuullisten tekoälyjärjestelmien rakentamisessa. Vaikka tarkkuus on yksi mittari koneoppimismallin tarkkuuden arvioinnissa, oikeudenmukaisuus antaa sinulle tavan ymmärtää mallin käyttöönoton käytännön seuraukset todellisessa tilanteessa.
Tässä koodimallissa käytät diabeteksen tietojoukkoa ennustamaan, onko henkilöllä taipumus olla diabetes. Käytä tietojen luomiseen IBM Watson® Studiota, IBM Cloud Object Storage -ohjelmaa ja AI Fairness 360 -työkalupakettia, käytä ennakkoluulojen lieventämisalgoritmia ja analysoi sitten tulokset.
Tämän koodimallin täyttämisen jälkeen ymmärrät, miten:
- Luo projekti Watson Studion avulla
- Käytä AI Fairness 360 -työkalupakettia
Virtaus
- Kirjaudu sisään Sparkin tukemaan IBM Watson Studioon, aloita IBM Cloud Object Storage ja luo projekti.
- Lataa .csv-datatiedosto IBM Cloud Object Storage -laitteeseen.
- Lataa datatiedosto Watson Studio -muistikirjaan.
- Asenna AI Fairness 360 Toolkit Watson Studio -muistikirjaan.
- Analysoi tulokset, kun olet soveltanut esijännityksen lieventämisalgoritmia esikäsittely-, käsittely- ja jälkikäsittelyvaiheissa.
Ohjeet
Etsi tämän mallin yksityiskohtaiset vaiheet readme tiedosto. Vaiheet osoittavat sinulle, miten:
- Luo tili IBM Cloudilla.
- Luo uusi Watson Studio -projekti.
- Lisää tietoja.
- Luo muistikirja.
- Lisää tiedot DataFrame-kehykseksi.
- Suorita muistikirja.
- Analysoi tulokset.
Tämä koodikuvio on osa AI 360 Toolkit: AI-mallit selitetty Käytä tapaussarjoja, jotka auttavat sidosryhmiä ja kehittäjiä ymmärtämään tekoälyn mallin elinkaaren kokonaan ja auttamaan heitä tekemään tietoisia päätöksiä.
Lähde: https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/
- Tili
- AI
- algoritmi
- algoritmit
- elin
- Rakentaminen
- pilvi
- koodi
- pitoisuus
- tiedot
- tietojoukko
- kehittäjille
- Diabetes
- oikeudenmukainen
- virtaus
- Miten
- Miten
- HTTPS
- IBM
- IBM Cloud
- IBM Watson
- tunnistaa
- oppiminen
- koneoppiminen
- malli
- Objektien varastointi
- Kuvio
- Ennusteet
- projekti
- tulokset
- turvallista
- Sarjat
- setti
- Levytila
- järjestelmät
- Watson
- Watson-studio