Tổng kết
Làm cách nào để bạn loại bỏ sự thiên vị khỏi các mô hình học máy và đảm bảo rằng các dự đoán là công bằng? Ba giai đoạn mà giải pháp giảm thiểu sai lệch có thể được áp dụng là gì? Mẫu mã này trả lời những câu hỏi này để giúp bạn đưa ra quyết định sáng suốt bằng cách sử dụng kết quả của các mô hình dự đoán.
Nếu bạn có câu hỏi về mẫu mã này, hãy hỏi họ hoặc tìm câu trả lời trong diễn đàn.
Mô tả
Công bằng trong dữ liệu và các thuật toán học máy là rất quan trọng để xây dựng các hệ thống AI an toàn và có trách nhiệm. Mặc dù độ chính xác là một thước đo để đánh giá độ chính xác của mô hình học máy, nhưng sự công bằng giúp bạn hiểu được ý nghĩa thực tế của việc triển khai mô hình trong tình huống thực tế.
Trong mẫu mã này, bạn sử dụng tập dữ liệu về bệnh tiểu đường để dự đoán liệu một người có dễ mắc bệnh tiểu đường hay không. Bạn sẽ sử dụng IBM Watson® Studio, IBM Cloud Object Storage và Bộ công cụ AI Fairness 360 để tạo dữ liệu, áp dụng thuật toán giảm thiểu sai lệch, sau đó phân tích kết quả.
Sau khi hoàn thành mẫu mã này, bạn hiểu cách:
- Tạo một dự án bằng Watson Studio
- Sử dụng Bộ công cụ AI Fairness 360
Dòng chảy
- Đăng nhập vào IBM Watson Studio được hỗ trợ bởi Spark, khởi tạo IBM Cloud Object Storage và tạo một dự án.
- Tải tệp dữ liệu .csv lên IBM Cloud Object Storage.
- Tải tệp dữ liệu vào sổ ghi chép Watson Studio.
- Cài đặt Bộ công cụ AI Fairness 360 trong sổ ghi chép Watson Studio.
- Phân tích kết quả sau khi áp dụng thuật toán giảm thiểu sai lệch trong các giai đoạn tiền xử lý, trong xử lý và hậu xử lý.
Hướng Dẫn
Tìm các bước chi tiết cho mẫu này trong readme tập tin. Các bước sẽ chỉ cho bạn cách:
- Tạo tài khoản với IBM Cloud.
- Tạo một dự án Watson Studio mới.
- Thêm dữ liệu.
- Tạo sổ ghi chép.
- Chèn dữ liệu dưới dạng DataFrame.
- Chạy sổ ghi chép.
- Phân tích kết quả.
Mẫu mã này là một phần của Bộ công cụ AI 360: Giải thích các mô hình AI chuỗi trường hợp sử dụng, giúp các bên liên quan và nhà phát triển hiểu hoàn toàn vòng đời của mô hình AI và giúp họ đưa ra quyết định sáng suốt.
Nguồn: https://developer.ibm.com/patterns/identify-and-remove-bias-from-ai-models/
- Tài khoản
- AI
- thuật toán
- thuật toán
- thân hình
- Xây dựng
- đám mây
- mã
- nội dung
- dữ liệu
- tập dữ liệu
- phát triển
- Bệnh tiểu đường
- công bằng
- dòng chảy
- Độ đáng tin của
- Hướng dẫn
- HTTPS
- IBM
- Đám mây của IBM
- IBM Watson
- xác định
- học tập
- học máy
- kiểu mẫu
- Lưu trữ đối tượng
- Họa tiết
- Dự đoán
- dự án
- Kết quả
- an toàn
- Loạt Sách
- định
- là gắn
- hệ thống
- Watson
- Phòng thu Watson