सारांश
आप मशीन लर्निंग मॉडल से पूर्वाग्रह कैसे दूर करते हैं और यह सुनिश्चित करते हैं कि भविष्यवाणियाँ निष्पक्ष हैं? वे तीन चरण कौन से हैं जिनमें पूर्वाग्रह शमन समाधान लागू किया जा सकता है? यह कोड पैटर्न पूर्वानुमानित मॉडल के परिणामों का उपभोग करके आपको सूचित निर्णय लेने में मदद करने के लिए इन सवालों का जवाब देता है।
यदि आपके पास इस कोड पैटर्न के बारे में प्रश्न हैं, तो उनसे पूछें या संबंधित में उत्तर खोजें फोरम.
Description
सुरक्षित और जिम्मेदार एआई सिस्टम के निर्माण के लिए डेटा और मशीन लर्निंग एल्गोरिदम में निष्पक्षता महत्वपूर्ण है। जबकि सटीकता मशीन लर्निंग मॉडल की सटीकता का मूल्यांकन करने के लिए एक मीट्रिक है, निष्पक्षता आपको वास्तविक दुनिया की स्थिति में मॉडल को तैनात करने के व्यावहारिक निहितार्थ को समझने का एक तरीका देती है।
इस कोड पैटर्न में, आप मधुमेह डेटा सेट का उपयोग यह अनुमान लगाने के लिए करते हैं कि किसी व्यक्ति को मधुमेह होने का खतरा है या नहीं। आप डेटा बनाने, पूर्वाग्रह शमन एल्गोरिदम लागू करने, फिर परिणामों का विश्लेषण करने के लिए आईबीएम वॉटसन® स्टूडियो, आईबीएम क्लाउड ऑब्जेक्ट स्टोरेज और एआई फेयरनेस 360 टूलकिट का उपयोग करेंगे।
इस कोड पैटर्न को पूरा करने के बाद, आप समझते हैं:
- वाटसन स्टूडियो का उपयोग करके एक प्रोजेक्ट बनाएं
- एआई फेयरनेस 360 टूलकिट का उपयोग करें
फ्लो
- स्पार्क द्वारा संचालित आईबीएम वॉटसन स्टूडियो में लॉग इन करें, आईबीएम क्लाउड ऑब्जेक्ट स्टोरेज शुरू करें, और एक प्रोजेक्ट बनाएं।
- आईबीएम क्लाउड ऑब्जेक्ट स्टोरेज के लिए .csv डेटा फ़ाइल अपलोड करें।
- वाटसन स्टूडियो नोटबुक में डेटा फ़ाइल लोड करें।
- वॉटसन स्टूडियो नोटबुक में एआई फेयरनेस 360 टूलकिट स्थापित करें।
- प्री-प्रोसेसिंग, इन-प्रोसेसिंग और पोस्ट-प्रोसेसिंग चरणों के दौरान पूर्वाग्रह शमन एल्गोरिदम लागू करने के बाद परिणामों का विश्लेषण करें।
अनुदेश
इस पैटर्न के लिए विस्तृत चरणों का पता लगाएं रीडमी फ़ाइल। कदम आपको दिखाएंगे कि कैसे:
- आईबीएम क्लाउड के साथ एक खाता बनाएँ।
- एक नया वाटसन स्टूडियो प्रोजेक्ट बनाएं।
- डेटा जोड़ें।
- नोटबुक बनाएं।
- DataFrame के रूप में डेटा डालें।
- नोटबुक चलाएं।
- परिणामों का विश्लेषण करें।
यह कोड पैटर्न का हिस्सा है AI 360 टूलकिट: AI मॉडल की व्याख्या की केस श्रृंखला का उपयोग करें, जो हितधारकों और डेवलपर्स को एआई मॉडल जीवनचक्र को पूरी तरह से समझने और सूचित निर्णय लेने में मदद करने में मदद करता है।
स्रोत: https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/