Amazon SageMaker Autopilot 新增 Model Explainability

Amazon SageMaker Autopilot 可以让您轻松创建高度精确的机器学习模型，现提供由 Amazon SageMaker Clarify 生成的模型可解释性报告，从而让您可以更轻松地理解和解释您使用 SageMaker Autopilot 创建的模型如何进行预测。可解释性报告包括特征重要性值，因此您可以了解训练数据中的每个属性对预测结果的贡献百分比。百分比越高，该特征对模型预测的影响就越大。您可以将可解释性报告下载为人类可读文件，在 Amazon SageMaker Studio 中查看包括“特征重要性”在内的模型属性，或使用 SageMaker Autopilot APIs 访问“特征重要性”。

通过了解您的模型如何进行预测，您可以做出更明智的业务决策。例如，您可以通过确认具有高重要性值的属性代表了您业务问题中预测的有效信号，来验证您模型的表现是否符合预期。通过模型可解释性报告，您可以删除不是非常重要的属性，以创建能更快地进行预测的模型。您可以通过识别您想要去除偏差的属性，并确认它们是否具有低特征重要性来检查模型的公平性和准确性。

现在，可解释性报告在提供 SageMaker Autopilot 的所有区域中的 SageMaker Autopilot 中均可用。要开始使用，请访问我们的文档和网页。