まとめ
機械学習モデルからバイアスを取り除き、予測が公正であることを確認するにはどうすればよいですか? バイアス緩和ソリューションを適用できるXNUMXつの段階は何ですか? このコードパターンはこれらの質問に答え、予測モデルの結果を利用して情報に基づいた意思決定を行うのに役立ちます。
このコード パターンについて質問がある場合は、質問するか、関連するドキュメントで答えを探してください。 フォーラム.
説明
安全で責任あるAIシステムを構築するには、データと機械学習アルゴリズムの公平性が重要です。 精度は機械学習モデルの精度を評価するためのXNUMXつの指標ですが、公平性は、実際の状況でモデルを展開することの実際的な影響を理解する方法を提供します。
このコードパターンでは、糖尿病データセットを使用して、人が糖尿病になりやすいかどうかを予測します。 IBMWatson®Studio、IBM Cloud Object Storage、およびAI Fairness 360 Toolkitを使用してデータを作成し、バイアス軽減アルゴリズムを適用して、結果を分析します。
このコードパターンを完了すると、次の方法を理解できます。
- WatsonStudioを使用してプロジェクトを作成する
- AI Fairness 360Toolkitを使用する
Flow
- Sparkを搭載したIBMWatson Studioにログインし、IBM Cloud Object Storageを開始して、プロジェクトを作成します。
- .csvデータファイルをIBMCloud ObjectStorageにアップロードします。
- WatsonStudioノートブックにデータファイルをロードします。
- WatsonStudioノートブックにAIFairness 360Toolkitをインストールします。
- 前処理、処理中、および後処理の段階でバイアス軽減アルゴリズムを適用した後、結果を分析します。
説明書
このパターンの詳細な手順については、 README ファイル。 手順では、次の方法について説明します。
- IBM Cloudでアカウントを作成します。
- 新しいWatson Studioプロジェクトを作成します。
- データを追加します。
- ノートブックを作成します。
- データをDataFrameとして挿入します。
- ノートブックを実行します。
- 結果を分析します。
このコードパターンは、 AI 360ツールキット:AIモデルの説明 ユースケースシリーズ。これは、利害関係者と開発者がAIモデルのライフサイクルを完全に理解し、情報に基づいた意思決定を行うのに役立ちます。
ソース:https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/