Összegzésként
Hogyan távolíthatja el a torzítást a gépi tanulási modellekből, és biztosítja, hogy az előrejelzések igazságosak legyenek? Mi az a három szakasz, amelyben alkalmazható a torzítást csökkentő megoldás? Ez a kódminta választ ad ezekre a kérdésekre, hogy segítsen megalapozott döntést hozni a prediktív modellek eredményeinek felhasználásával.
Ha kérdései vannak ezzel a kódmintával kapcsolatban, kérdezze meg őket, vagy keresse meg a válaszokat a kapcsolódó oldalon fórum.
Leírás
Az adatok és a gépi tanulási algoritmusok méltányossága kritikus fontosságú a biztonságos és felelős AI-rendszerek felépítéséhez. Míg a pontosság az egyik mérőszám a gépi tanulási modellek pontosságának értékeléséhez, a méltányosság lehetővé teszi, hogy megértse a modell valós helyzetekben való alkalmazásának gyakorlati következményeit.
Ebben a kódmintában egy diabéteszes adatkészletet használ annak előrejelzésére, hogy egy személy hajlamos-e cukorbetegségre. Az IBM Watson® Studio, az IBM Cloud Object Storage és az AI Fairness 360 Toolkit segítségével hozza létre az adatokat, alkalmazza a torzítást csökkentő algoritmust, majd elemezze az eredményeket.
A kódminta kitöltése után megérti, hogyan kell:
- Hozzon létre egy projektet a Watson Studio segítségével
- Használja az AI Fairness 360 eszközkészletet
Folyik
- Jelentkezzen be a Spark által üzemeltetett IBM Watson Studióba, kezdeményezze az IBM Cloud Object Storage szolgáltatást, és hozzon létre egy projektet.
- Töltse fel a .csv adatfájlt az IBM Cloud Object Storage szolgáltatásba.
- Töltse be az adatfájlt a Watson Studio notebookba.
- Telepítse az AI Fairness 360 eszközkészletet a Watson Studio notebookba.
- Elemezze az eredményeket a torzítást csökkentő algoritmus alkalmazása után az előfeldolgozási, feldolgozási és utófeldolgozási szakaszokban.
Utasítás
A minta részletes lépéseit megtalálja a readme fájlt. A lépések megmutatják, hogyan kell:
- Hozzon létre egy fiókot az IBM Cloud szolgáltatásban.
- Hozzon létre egy új Watson Studio projektet.
- Adatok hozzáadása.
- Készítse el a jegyzetfüzetet.
- Illessze be az adatokat DataFrame-ként.
- Futtassa a notebookot.
- Elemezze az eredményeket.
Ez a kódminta része a Az AI 360 Toolkit: AI modellek magyarázata használati esetsorozat, amely segít az érdekelt feleknek és a fejlesztőknek az AI-modell életciklusának teljes megértésében, és segít megalapozott döntéseket hozni.
Forrás: https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/