Χαρακτηριστικά
Σε αυτό το μοτίβο κώδικα, μάθετε πώς να χρησιμοποιείτε ένα σύνολο δεδομένων διαβήτη για να προβλέψετε εάν ένα άτομο είναι επιρρεπές σε διαβήτη. Το μοτίβο κώδικα διερευνά τη δικαιοσύνη, την επεξήγηση και την ευρωστία των προγνωστικών μοντέλων και ενισχύει την αποτελεσματικότητα του συστήματος πρόβλεψης της τεχνητής νοημοσύνης. Το μοτίβο κώδικα δείχνει τη λύση από άκρο σε άκρο και δείχνει πώς:
- Ελέγξτε την ορθότητα του συνόλου δεδομένων διαβήτη χρησιμοποιώντας το AI 360 Fairness Toolkit
- Αναπτύξτε το μοντέλο
- Εξηγήστε το μοντέλο χρησιμοποιώντας το AI 360 Explability Toolkit
Το μοτίβο κώδικα μοιράζεται το γενικό πρότυπο κώδικα για ολόκληρη τη διαδικασία από άκρο σε άκρο των προηγούμενων βημάτων. Επομένως, μπορεί να χρησιμοποιηθεί για να συνδέσετε οποιοδήποτε σύνολο δεδομένων για το οποίο θέλετε να εξερευνήσετε τη δικαιοσύνη και την επεξήγηση.
Περιγραφή
Η δικαιοσύνη είναι η διαδικασία κατανόησης της προκατάληψης που εισάγεται από τα δεδομένα σας και διασφαλίζει ότι το μοντέλο σας παρέχει δίκαιες προβλέψεις σε όλες τις δημογραφικές ομάδες. Η επεξήγηση δείχνει πώς ένα μοντέλο μηχανικής μάθησης κάνει τις προβλέψεις του. Παρέχει βελτιωμένη κατανόηση του μοντέλου, διευκρινίζοντας πώς λειτουργεί το μοντέλο.
Σε αυτό το μοτίβο κώδικα, χρησιμοποιείτε ένα σύνολο δεδομένων διαβήτη για να προβλέψετε εάν ένα άτομο είναι επιρρεπές σε διαβήτη. Χρησιμοποιείτε το IBM Watson® Studio, το IBM Cloud Object Storage, το AI وضاحتability 360 Toolkit και το AI Fairness 360 Toolkit για να δημιουργήσετε τα δεδομένα, να εφαρμόσετε τον αλγόριθμο μετριασμού μεροληψίας και μετά να αναλύσετε τα αποτελέσματα.
Αφού ολοκληρώσετε αυτό το μοτίβο κώδικα, καταλαβαίνετε πώς να:
- Δημιουργήστε ένα έργο χρησιμοποιώντας το Watson Studio
- Χρησιμοποιήστε το AI وضاحتability 360 Toolkit
- Χρησιμοποιήστε το AI Fairness 360 Toolkit
Ροή
- Συνδεθείτε στο IBM Watson Studio με την υποστήριξη του Spark, ξεκινήστε το IBM Cloud Object Storage και δημιουργήστε ένα έργο.
- Ανεβάστε το αρχείο δεδομένων .csv στο IBM Cloud Object Storage.
- Φορτώστε το αρχείο δεδομένων στο σημειωματάριο Watson Studio.
- Εγκαταστήστε το AI وضاحتability 360 Toolkit και το AI Fairness 360 Toolkit στο φορητό υπολογιστή Watson Studio.
- Αναλύστε τα αποτελέσματα αφού εφαρμόσετε τον αλγόριθμο μετριασμού μεροληψίας κατά τη διάρκεια των σταδίων προεπεξεργασίας, επεξεργασίας και μετα-επεξεργασίας.
Οδηγίες
Βρείτε τα λεπτομερή βήματα για αυτό το μοτίβο στο readme αρχείο. Τα βήματα θα σας δείξουν πώς:
- Δημιουργήστε ένα λογαριασμό στο IBM Cloud.
- Δημιουργήστε ένα νέο έργο Watson Studio.
- Προσθήκη δεδομένων.
- Δημιουργήστε τον φορητό υπολογιστή.
- Εισαγάγετε τα δεδομένα ως DataFrame.
- Εκτελέστε το σημειωματάριο.
- Αναλύστε τα αποτελέσματα.
Αυτό το μοτίβο κώδικα είναι μέρος του Το AI 360 Toolkit: Τα μοντέλα AI εξηγούνται Χρησιμοποιήστε σειρές περιπτώσεων, οι οποίες βοηθούν τους ενδιαφερόμενους και τους προγραμματιστές να κατανοήσουν πλήρως τον κύκλο ζωής του μοντέλου AI και να τους βοηθήσουν να λάβουν ενημερωμένες αποφάσεις.
Πηγή: https://developer.ibm.com/patterns/predict-an-event-with-fairness-explainability-robustness/
- Λογαριασμός
- AI
- αλγόριθμος
- σώμα
- Backup
- κωδικός
- περιεχόμενο
- ημερομηνία
- σύνολο δεδομένων
- δημογραφικός
- προγραμματιστές
- Διαβήτης
- Συμβάν
- Επεξήγηση
- ροή
- Πως
- Πώς να
- HTTPS
- IBM
- IBM Cloud
- IBM Watson
- IT
- ΜΑΘΑΊΝΩ
- μάθηση
- μάθηση μηχανής
- μοντέλο
- Αποθήκευση αντικειμένων
- πρότυπο
- Προβλέψεις
- σχέδιο
- Αποτελέσματα
- Σειρές
- σειρά
- Μερίδια
- χώρος στο δίσκο
- σύστημα
- Watson
- Στούντιο Watson
- λειτουργεί