Résumé
Comment supprimer les biais des modèles d'apprentissage automatique et garantir que les prédictions sont justes? Quelles sont les trois étapes dans lesquelles la solution d'atténuation des biais peut être appliquée? Ce modèle de code répond à ces questions pour vous aider à prendre des décisions éclairées en utilisant les résultats des modèles prédictifs.
Si vous avez des questions sur ce modèle de code, posez-les ou recherchez des réponses dans le forum.
Description
L'équité des données et des algorithmes d'apprentissage automatique est essentielle pour créer des systèmes d'IA sûrs et responsables. Alors que la précision est une mesure pour évaluer la précision d'un modèle d'apprentissage automatique, l'équité vous permet de comprendre les implications pratiques du déploiement du modèle dans une situation réelle.
Dans ce modèle de code, vous utilisez un ensemble de données sur le diabète pour prédire si une personne est sujette au diabète. Vous utiliserez IBM Watson® Studio, IBM Cloud Object Storage et AI Fairness 360 Toolkit pour créer les données, appliquer l'algorithme d'atténuation des biais, puis analyser les résultats.
Après avoir terminé ce modèle de code, vous comprendrez comment:
- Créer un projet à l'aide de Watson Studio
- Utilisez la boîte à outils AI Fairness 360
Flow
- Connectez-vous à IBM Watson Studio optimisé par Spark, lancez IBM Cloud Object Storage et créez un projet.
- Téléchargez le fichier de données .csv dans IBM Cloud Object Storage.
- Chargez le fichier de données dans le bloc-notes Watson Studio.
- Installez AI Fairness 360 Toolkit dans le bloc-notes Watson Studio.
- Analysez les résultats après avoir appliqué l'algorithme d'atténuation des biais pendant les étapes de pré-traitement, de traitement et de post-traitement.
Instructions
Trouvez les étapes détaillées de ce modèle dans le readme fichier. Les étapes vous montreront comment:
- Créez un compte avec IBM Cloud.
- Créez un nouveau projet Watson Studio.
- Ajoutez des données.
- Créez le cahier.
- Insérez les données en tant que DataFrame.
- Exécutez le cahier.
- Analysez les résultats.
Ce modèle de code fait partie de la La boîte à outils AI 360: les modèles d'IA expliqués utilisez des séries de cas, qui aident les parties prenantes et les développeurs à comprendre complètement le cycle de vie du modèle d'IA et à les aider à prendre des décisions éclairées.
Source : https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/
- Compte
- AI
- algorithme
- algorithmes
- corps
- Développement
- le cloud
- code
- contenu
- données
- ensemble de données
- mobiles
- Diabète
- juste
- flux
- Comment
- How To
- HTTPS
- IBM
- IBM Cloud
- IBM Watson
- identifier
- apprentissage
- machine learning
- modèle
- Stockage d'objets
- Patron de Couture
- Prédictions
- Projet
- Résultats
- des
- Série
- set
- storage
- Système
- Watson
- Studio Watson