요약
기계 학습 모델에서 편향을 제거하고 예측이 공정하도록 하려면 어떻게 해야 합니까? 바이어스 완화 솔루션을 적용할 수 있는 세 단계는 무엇입니까? 이 코드 패턴은 예측 모델의 결과를 사용하여 정보에 입각한 결정을 내리는 데 도움이 되도록 이러한 질문에 답합니다.
이 코드 패턴에 대해 질문이 있는 경우 질문하거나 관련 항목에서 답변을 찾아보세요. 법정.
상품 설명
데이터 및 기계 학습 알고리즘의 공정성은 안전하고 책임 있는 AI 시스템을 구축하는 데 매우 중요합니다. 정확도는 기계 학습 모델의 정확도를 평가하기 위한 하나의 메트릭이지만 공정성은 실제 상황에서 모델을 배포하는 실질적인 의미를 이해할 수 있는 방법을 제공합니다.
이 코드 패턴에서는 당뇨병 데이터 세트를 사용하여 사람이 당뇨병에 걸리기 쉬운지 여부를 예측합니다. IBM Watson® Studio, IBM Cloud Object Storage 및 AI Fairness 360 Toolkit을 사용하여 데이터를 생성하고 바이어스 완화 알고리즘을 적용한 다음 결과를 분석합니다.
이 코드 패턴을 완료하면 다음 방법을 이해하게됩니다.
- Watson Studio를 사용하여 프로젝트 만들기
- AI Fairness 360 툴킷 사용
흐름
- Spark에서 제공하는 IBM Watson Studio에 로그인하고 IBM Cloud Object Storage를 시작하고 프로젝트를 작성하십시오.
- .csv 데이터 파일을 IBM Cloud Object Storage에 업로드하십시오.
- Watson Studio 노트북에서 데이터 파일을로드하십시오.
- Watson Studio 노트북에 AI Fairness 360 Toolkit을 설치합니다.
- 전처리, 처리 중, 후 처리 단계에서 편향 완화 알고리즘을 적용한 후 결과를 분석합니다.
명령
이 패턴에 대한 자세한 단계는 추가 정보 파일. 단계는 다음을 수행하는 방법을 보여줍니다.
- IBM Cloud로 계정을 작성하십시오.
- 새 Watson Studio 프로젝트를 작성하십시오.
- 데이터를 추가하십시오.
- 노트북을 만듭니다.
- 데이터를 DataFrame으로 삽입합니다.
- 노트북을 실행하십시오.
- 결과를 분석하십시오.
이 코드 패턴은 AI 360 툴킷 : AI 모델 설명 이해 관계자와 개발자가 AI 모델 수명주기를 완전히 이해하고 정보에 입각 한 결정을 내리는 데 도움이되는 사용 사례 시리즈입니다.
출처: https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/