Publicado en: Mar 30, 2021
Amazon SageMaker Autopilot, que facilita la creación de modelos de machine learning altamente precisos, ahora proporciona un informe de explicabilidad del modelo generado por Amazon SageMaker Clarify, lo que facilita comprender y explicar la manera en que los modelos creados con SageMaker Autopilot realizan predicciones. Los informes de explicabilidad incluyen los valores de importancia de las características de modo que sea posible comprender cómo cada atributo de los datos de entrenamiento contribuye al resultado que se predijo como un porcentaje. Cuanto mayor sea el porcentaje, mayor será el impacto de esa característica en las predicciones del modelo. Puede descargar el informe de explicabilidad como un documento que se puede leer por una persona, ver las propiedades del modelo, incluida la importancia de cada característica, en Amazon SageMaker Studio, u obtener acceso a la importancia de las características mediante las API de SageMaker Autopilot.
Al comprender la manera en que el modelo realiza predicciones, puede tomar decisiones empresariales con más fundamentos. Por ejemplo, puede verificar si el modelo se comporta según lo previsto al confirmar que los atributos con un valor alto de importancia constituyen una señal válida para las predicciones en el problema empresarial. Con los informes de explicabilidad de modelos, es posible eliminar atributos que son menos importantes para crear modelos que realicen predicciones de forma más rápida. Puede comprobar la imparcialidad y la precisión del modelo al identificar los atributos de los que desea eliminar el sesgo y confirmar si tienen una baja importancia de característica.
Los informes de explicabilidad están disponibles a partir de ahora en Amazon SageMaker Autopilot en todas las regiones donde SageMaker Autopilot está disponible. Para comenzar, consulte nuestra documentación y página web.