As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
SageMaker Esclareça a explicabilidade com SageMaker o AI Autopilot
O Autopilot usa ferramentas fornecidas pelo Amazon SageMaker Clarify para ajudar a fornecer informações sobre como os modelos de aprendizado de máquina (ML) fazem previsões. Essas ferramentas podem ajudar engenheiros de ML, gerentes de produto e outras partes interessadas internas a entender as características do modelo. Tanto consumidores quanto reguladores contam com a transparência no machine learning para confiar e interpretar decisões feitas em predições de modelos.
A funcionalidade explicativa do Autopilot usa uma abordagem de atributo de atributos independente do modelo. Essa abordagem determina a contribuição de atributos ou entradas individuais para a saída do modelo, fornecendo insights sobre a relevância de diferentes atributos. Você pode usar isso para entender por que um modelo fez uma predição após o treinamento ou para fornecer uma explicação por instância durante a inferência. A implementação inclui uma implementação escalável do SHAP
Você pode usar essas explicações de SHAP para: auditar e atender aos requisitos regulatórios, passar confiança no modelo, apoiar a tomada de decisões humanas ou depurar e melhorar o desempenho do modelo.
Para obter informações adicionais sobre valores e linhas de base do Shapley, consulte Linhas de base do SHAP para explicabilidade.
Para obter um guia sobre a documentação do Amazon SageMaker Clarify, consulte Guide to the SageMaker Clarify Documentation.
