Publié le: Mar 30, 2021
Amazon SageMaker Autopilot, qui facilite la création de modèles de machine learning très précis, fournit désormais un rapport d'explicabilité de modèle généré par Amazon SageMaker Clarify, ce qui permet de comprendre et d'expliquer plus facilement comment les modèles que vous créez avec SageMaker Autopilot font des prédictions. Les rapports d'explicabilité incluent les valeurs d'importance des caractéristiques afin que vous puissiez comprendre comment chaque attribut de vos données d'entraînement contribue au résultat prédit sous forme de pourcentage. Plus le pourcentage est élevé, plus cette caractéristique a un impact important sur les prédictions de votre modèle. Vous pouvez télécharger le rapport d'explicabilité sous forme de fichier lisible par l'homme, afficher les propriétés du modèle, y compris l'importance des caractéristiques, dans Amazon SageMaker Studio, ou accéder à l'importance des caractéristiques à l'aide des API SageMaker Autopilot.
La compréhension de la manière dont votre modèle effectue des prédictions vous permet de prendre des décisions professionnelles plus éclairées. Par exemple, vous pouvez vérifier que votre modèle se comporte comme prévu en confirmant que les attributs ayant une valeur d'importance élevée représentent un signal valide pour les prédictions dans votre problème professionnel. Grâce aux rapports d'explicabilité des modèles, vous pouvez supprimer les attributs qui sont moins importants pour créer des modèles qui font des prédictions plus rapidement. Vous pouvez vérifier l'équité et la précision de votre modèle en identifiant les attributs dont vous voulez supprimer les biais et en confirmant s'ils ont une faible importance pour les caractéristiques.
Les rapports d'explicabilité sont désormais disponibles dans SageMaker Autopilot dans toutes les régions où SageMaker Autopilot est disponible. Pour démarrer, consultez notre documentation et notrepage web.