亚马逊AWS官方博客

Tag: Amazon Machine Learning

使用 Amazon SageMaker Clarify 解释德甲赛况 xGoals

最激动人心的 AWS re:Invent 2020 公告之一是新增一项 Amazon SageMaker 功能,帮助检测机器学习 (ML) 模型中的偏差并解释模型预测:Amazon SageMaker Clarify。在当今世界,人们大规模运用 ML 算法进行预测,对于大型科技组织而言,能够向客户解释他们为什么会根据 ML 模型的预测做出某项决策正变得越来越重要。关键是,这直接摆脱了原有的基础模式,这种模式如同一个“封闭盒子”,我们可以观察输入和输出,但看不到内部运作情况。这不仅开辟了进一步分析的途径,以便对模型配置进行迭代和进一步改进,还为客户提供了前所未有的高水平模型预测分析。 Clarify 一个特别值得关注的使用案例来自 Deutsche Fußball Liga (DFL) 由 AWS 提供支持的德甲赛况,旨在提供有关 xGoals 模型预测的有趣见解。由 AWS 提供支持的德甲赛况在足球比赛期间,为世界各地的德甲球迷提供更具吸引力的球迷体验。它为观众提供有关射门难度的信息、他们最喜欢的球员的表现,并可说明球队的攻防趋势。 借助 Clarify,DFL 现在能够以互动的方式解释,在确定 ML 模型依靠什么来预测 xGoals 值时,需要使用哪些关键的基本特征。xGoal(预期进球的缩写)是经计算得出的球员从球场上任意位置射门得分的概率。了解各自的特征属性并解释相关结果有助于模型调试,从而提高预测质量。或许最重要的是,透明度的提高有助于建立对 ML 模型的信心和信任,为未来的合作和创新提供无数机会。更佳的可解释性可推动更广泛的采用。话不多话,我们一起详细了解一下吧! 德甲赛况 由 AWS 提供支持的德甲赛况为德甲比赛提供根据官方比赛数据实时生成的先进统计数据和深入见解。这些统计数据通过国内外广播公司以及 DFL 的平台、频道和应用程序提供给观众。如此一来,全球 5 亿多德甲球迷可以更深入地了解球员、球队和联赛,并获得更加个性化的体验和下一代统计数据。 通过德甲赛况 xGoals,DFL 可以评估球员从球场上任意位置射门得分的概率。实时计算每次射门的进球概率,以便让观众了解射门的难度和进球的几率。xGoals 值越高(所有值都介于 0 到 1 之间),进球的可能性就越大。在本博文中,我们将仔细研究这个 xGoals […]

Read More

Amazon HealthLake 在云中存储、转换和分析健康数据

医疗保健组织每天收集大量患者信息,从家族史和临床观察,到诊断和药物治疗。他们使用所有这些数据来尝试编译患者健康信息的完整图像,以提供更好的医疗保健服务。目前,这些数据分布在各种系统(电子病历、实验室系统、医疗图像存储库等)之间,并以数十种不兼容的格式存在。

Read More

re:Invent 2020 博客直播:机器学习主题演讲

关注 AWS 首席宣传管 Jeff Barr 和开发人员宣传员 Martin Beeby 和 Steve Roberts 的直播博客中的第一场机器学习主题演讲。Amazon 机器学习/人工智能副总裁 Swami Sivasubramanian 将分享 AWS 机器学习领域的最新发展和产品发布、新技术演示以及客户见解。

Read More