Veröffentlicht am: Dec 8, 2020
Heute stellen wir Amazon SageMaker Clarify vor, um Entwicklern für maschinelles Lernen einen besseren Einblick in ihre Schulungsdaten und Modelle zu ermöglichen, damit sie Abweichungen erkennen und begrenzen, und Vorhersagen erklären können.
Abweichungen sind Unausgeglichenheiten in der Genauigkeit der Vorhersagen über verschiedene Gruppen, wie z. B. Alter oder Einkommensklasse. Abweichungen können sich aus den Daten oder dem Algorithmus ergeben, die zum Trainieren Ihres Modells verwendet wurden. Wenn zum Beispiel ein ML-Modell hauptsächlich auf Daten von Personen mittleren Alters trainiert wird, kann es weniger genau sein, wenn es Vorhersagen für jüngere und ältere Personen macht. Der Bereich des maschinellen Lernens bietet eine Möglichkeit, Abweichungen anzusprechen, indem sie in Ihren Daten und Ihrem Modell erkannt und gemessen werden. Sie können auch die Bedeutung von Modelleingaben betrachten, um zu erklären, warum Modelle die Vorhersagen machen, die sie machen.
Amazon SageMaker Clarify erkennt potenzielle Abweichungen während der Datenvorbereitung, nach der Schulung und in Ihrem eingesetzten Modell, indem es die von Ihnen angegebenen Eigenschaften untersucht. Sie können zum Beispiel auf Abweichungen in Bezug auf das Alter in Ihrem ursprünglichen Datensatz oder in Ihrem trainierten Modell prüfen, und erhalten einen detaillierten Bericht, der verschiedene Arten von möglichen Abweichungen gemessen hat. SageMaker Clarify enthält auch Diagramme zur Funktionswichtigkeit, die Ihnen helfen, Modellvorhersagen zu erklären, und erstellt Berichte, die zur Unterstützung interner Präsentationen oder zur Identifizierung von Problemen mit Ihrem Modell verwendet werden können, die Sie dann korrigieren können.
Amazon SageMaker Clarify ist in allen Regionen verfügbar, in denen auch Amazon SageMaker verfügbar ist, und wird ohne zusätzliche Kosten angeboten. Besuchen Sie die SageMaker Clarify Produktseite oder die Dokumentation, um mehr zu erfahren.