Esercitazione di governance AI: verifica e convalida del modello

Eseguire il secondo notebook incluso nel progetto di esempio per:

• Recuperare il modello e le distribuzioni.
• Configurare Watson OpenScale.
• Creare il fornitore del servizio e la sottoscrizione per il proprio servizio di machine learning.
• Configurare il monitor qualità.
• Configurare il monitoraggio della correttezza.
• Configurare l'esplicabilità.

Seguire questa procedura per eseguire il notebook incluso nel progetto di esempio. Questo notebook imposta i monitor per il modello, che possono essere configurati anche tramite l'interfaccia utente. Tuttavia, è più veloce e meno incline agli errori impostarli con un notebook. Prendere un po 'di tempo per leggere i commenti nel notebook, che spiegano il codice in ogni cella.

1. Dal menu di navigazione Cloud Pak for Data , scegli Progetti> Visualizza tutti i progetti.

2. Aprire il progetto AI governance .

   Nota: potresti visualizzare un tour guidato che mostra le esercitazioni incluse con questo caso di utilizzo. I link nel tour guidato apriranno queste istruzioni dell'esercitazione.

3. Fare clic sulla scheda Asset , quindi passare a Notebook.
   

4. Apri il notebook 2 - monitor - wml - model - with - watson - openscale .

5. Poiché il notebook è in modalità di sola lettura, fare clic sull'icona Modifica per posizionare il notebook in modalità di modifica.

6. Quando si è importato il progetto dall'hub di risorse, la prima cella di questo blocco note contiene il token di accesso del progetto. Se questo notebook non contiene una prima cella con un token di accesso al progetto, quindi per generare il token, dal menu Altro , selezionare Inserisci token del progetto. Questa azione inserisce una nuova cella come prima cella nel notebook contenente il token del progetto.

7. Nella sezione Inserisci la chiave API IBM Cloud , incolla la chiave API nel campo ibmcloud_api_key .

8. Fare clic su Cella> Esegui tutto per eseguire tutte le celle nel notebook. In alternativa, è possibile eseguire il notebook cella per cella se si desidera esplorare ogni cella e il suo output.

9. Il completamento del notebook richiede da 1 a 3 minuti. È possibile monitorare la cella di avanzamento notando l'asterisco "In [*]" che cambia in un numero, ad esempio "In [1]".

10. Se si verificano degli errori durante l'esecuzione del notebook, provare i seguenti suggerimenti per la risoluzione dei problemi:

    • Fare clic su Kernel> Restart & Clear Output per riavviare il kernel, quindi eseguire nuovamente il notebook.

    • Elimina tutte le distribuzioni Watson OpenScale esistenti e esegui il provisioning di una nuova istanza del servizio.

    • Verifica di aver creato il caso di utilizzo AI, lo spazio di distribuzione e il nome della distribuzione in Esercitazione di creazione e distribuzione di un modello copiando e incollando il nome della risorsa utente specificato esattamente senza spazi iniziali o finali.

Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 03:30.

Segui questa procedura per scaricare i dati di holdout e utilizzali per valutare il modello in Watson OpenScale:

1. Fai clic sul progetto AI governance nella traccia di navigazione.
   

2. Sulla scheda Asset , fare clic su Dati> Asset dati.

3. Fare clic su!Traboccamento menù Menù extra per ilGoldenBank_HoldoutData .csv risorsa dati e scegliere Scaricamento . Per convalidare che il modello funziona come richiesto, hai bisogno di una serie di dati con etichetta, che è stata trattenuta dall'addestramento del modello. Questo file CSV contiene tali dati di controllo.

4. Avvia Watson OpenScale. Dal Menu di navigazione , scegli Servizi> Istanze del servizio.

5. Aprire l'istanza Watson OpenScale . Se richiesto, accedi utilizzando le stesse credenziali che hai utilizzato per registrarti a Cloud Pak for Data.

6. Nella pagina dell'istanza del servizio Watson OpenScale , fai clic su Launch Watson OpenScale.

7. Nel dashboard Insights, fai clic sul tile Mortgage Approval Model Deployment .

8. Dal menu Azioni , selezionare Valuta ora.

9. Dall'elenco di opzioni di importazione, selezionare dal file CSV.

10. Trascina il D'oroBank_HoldoutData .csv file di dati scaricato dal progetto nel pannello laterale.

11. Fare clic su Carica e valuta.

Per visualizzare un'anteprima di questa attività, guardare il video a partire dalle 04:44.

Il monitor della qualità Watson OpenScale genera una serie di metriche per valutare la qualità del proprio modello. È possibile utilizzare queste metriche di qualità per determinare in che modo il modello prevede i risultati. Quando la valutazione che utilizza i dati di holdout viene completata, attenersi alla seguente procedura per osservare la qualità o l'accuratezza del modello:

1. Nel pannello di navigazione a sinistra, fai clic sull'icona Dashboard Insights .

2. Individuare il riquadro Distribuzione del modello di approvazione del mutuo . Si noti che la distribuzione ha 0 problemi e che i test Qualità e Correttezza sono stati superati, il che significa che il modello ha soddisfatto le soglie richieste.

3. Fare clic sul riquadro Distribuzione del modello di approvazione del mutuo per visualizzare ulteriori dettagli.

4. Nella sezione Qualità , fare clic sull'icona Configura . Qui puoi vedere che la soglia di qualità configurata per questo monitor è del 70% e che la misura della qualità utilizzata è un'area sotto la curva ROC.

5. Fare clic su Vai al riepilogo del modello per tornare alla finestra dei dettagli del modello.

6. Nella sezione Qualità , fare clic sull'icona Dettagli per visualizzare i risultati dettagliati della qualità del modello. Qui è possibile vedere un certo numero di calcoli di metrica di qualità e una matrice di confusione che mostra le decisioni del modello corrette insieme a falsi positivi e falsi negativi. L'area calcolata sotto la curva ROC è 0.9 o superiore, che supera la soglia 0.7 , quindi il modello soddisfa i requisiti di qualità.

7. Fare clic su Distribuzione modello di approvazione mutuo nella traccia di navigazione per tornare alla schermata dei dettagli del modello.

Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 06:00.

Il monitor della correttezza Watson OpenScale genera una serie di metriche per valutare la correttezza del tuo modello. È possibile utilizzare le metriche di correttezza per stabilire se il proprio modello produce risultati distorti. Attenersi alla seguente procedura per osservare la correttezza del modello:

1. Nella sezione Correttezza , fare clic su Configura . Qui si vede che il modello è in fase di revisione per garantire che i candidati siano trattati in modo equo indipendentemente dal loro sesso. Le donne sono identificate come il gruppo monitorato per il quale viene misurata la correttezza e la soglia per la correttezza deve essere almeno dell ' 80%. Il controllo della correttezza utilizza il metodo di impatto disparato per determinare la correttezza. L'impatto disparato confronta la percentuale di risultati favorevoli per un gruppo monitorato con la percentuale di risultati favorevoli per un gruppo di riferimento.

2. Fare clic su Vai al riepilogo del modello per tornare alla finestra dei dettagli del modello.

3. Nella sezione Correttezza , fare clic sull'icona Dettagli per visualizzare i risultati dettagliati della correttezza del modello. Qui si vede la percentuale di candidati maschi e femmine che vengono approvati automaticamente, insieme a un punteggio di correttezza di oltre il 100%, quindi le prestazioni del modello superano di gran lunga la soglia di correttezza dell ' 80% richiesta.

4. Prendere nota dei dataset identificati. Per garantire che le metriche di correttezza siano più accurate, Watson OpenScale utilizza la perturbazione per determinare i risultati in cui vengono modificati solo gli attributi protetti e gli input del modello correlati, mentre le altre funzioni rimangono le stesse. La perturbazione modifica i valori della funzione dal gruppo di riferimento al gruppo monitorato o viceversa. Questi ulteriori guardavi vengono utilizzati per calcolare la correttezza quando viene utilizzato il dataset "bilanciato", ma è anche possibile visualizzare i risultati della correttezza utilizzando solo il payload o i dati di addestramento del modello. Poiché il modello si comporta correttamente, non è necessario entrare in ulteriori dettagli per questa metrica.

   

5. Fare clic sul percorso di navigazione Distribuzione del modello di approvazione del mutuo per tornare al pannello dei dettagli del modello.

Per visualizzare un'anteprima di questa attività, guardare il video a partire dalle 07:00.

È anche importante capire come il modello sia giunto alla decisione. Questa comprensione è necessaria sia per spiegare le decisioni alle persone coinvolte nell'approvazione del mutuo sia per garantire ai proprietari del modello che le decisioni siano valide. Per comprendere queste decisioni, attenersi alla seguente procedura per osservare l'esplicabilità del modello:

1. Nel pannello di navigazione sinistro, fare clic su Spiega una transazione .

2. Selezionare Distribuzione modello di approvazione mutuo per visualizzare un elenco di transazioni.

3. Per qualsiasi transazione, fare clic su Spiega nella colonna Azioni . Qui vedete la spiegazione dettagliata di questa decisione. Verranno visualizzati gli input più importanti per il modello e l'importanza di ciascuno per il risultato finale. Le barre blu rappresentano gli input che tendono a supportare la decisione del modello mentre le barre rosse mostrano gli input che potrebbero aver portato a un'altra decisione. Ad esempio, un richiedente potrebbe avere un reddito sufficiente per essere altrimenti approvato, ma la sua storia di credito scadente e il debito elevato insieme portano il modello a rifiutare la domanda. Esaminare questa spiegazione per essere soddisfatti della base della decisione del modello.

4. (Facoltativo) Se si desidera approfondire il modo in cui il modello ha preso la sua decisione, fare clic sulla scheda Ispeziona . Utilizzare la funzione Ispeziona per analizzare la decisione di trovare aree di sensibilità in cui piccole modifiche a pochi input risulterebbero in una decisione diversa ed è possibile testare la sensibilità sovrascrivendo alcuni degli input effettivi con alternative per vedere se questi avrebbero un impatto sul risultato.

Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 09:00.

Attenersi alla seguente procedura per cambiare lo stato del caso di utilizzo AI nell'inventario del modello e approvare il modello:

1. Torna a Cloud Pak for Datae dal Menu di navigazione , scegli Cataloghi> Casi di utilizzo AI.

2. Per il Casi di utilizzo del modello di approvazione del mutuo, fare clic su Visualizza dettagli.

3. Fare clic sulla scheda Ciclo di vita per verificare che il modello si trovi nella fase Convalida .

4. Fare clic su Modifica accanto a Stato, selezionare Convalida completae fare clic su Aggiorna.

5. Torna a Watson OpenScale Dashboard Insights.

6. Fare clic sul riquadro Distribuzione del modello di approvazione del mutuo .

7. Dal menu Azioni , selezionare Approva per produzione, quindi fare clic su Approva. Questa azione comunica al team delle operazioni AI che ora possono distribuire il modello in uno spazio di produzione designato.

8. Dal menu di navigazione Cloud Pak for Data , scegli Cataloghi> Casi di utilizzo AI.

9. Per il caso d'uso del modello di approvazione del mutuo, fare clic su Visualizza dettagli.

10. Fare clic sulla scheda Ciclo di vita . In Traccia del modello, il caso di utilizzo AI viene ora visualizzato come valutato e approvato nella fase Convalida .

11. Visualizza la Distribuzione del modello di approvazione del mutuo per visualizzare il foglio informativo acquisito da Watson OpenScale.

12. Chiudere il factsheet di distribuzione del modello.