Translation not up to date
Produkt IBM Watson Machine Learning umożliwia rejestrowanie ładunku, rejestrowanie informacji zwrotnych i mierzenie dokładności wydajności, wykrywanie w środowisku wykonawczym, wykrywanie i wykrywanie znoszenia, a także funkcję automatycznego debiuowania w produkcie IBM Watson OpenScale.
Produkt IBM Watson OpenScale w pełni obsługuje następujące środowiska IBM Watson Machine Learning :
Tabela 1. Szczegóły obsługi środowiska
| Środowisko | Typ problemu | Typ danych |
|---|---|---|
| AutoAI1 | Klasyfikacja (klasy binarne i wiele klas) | Ustrukturyzowane (dane, tekst) |
| AutoAI | Regresja | Ustrukturyzowane lub nieustrukturyzowane2 (tylko tekst) |
| Apache Spark MLlib | Danych | Ustrukturyzowane lub nieustrukturyzowane2 (tylko tekst) |
| Apache Spark MLLib | Regresja | Ustrukturyzowane lub nieustrukturyzowane2 (tylko tekst) |
| Keras z TensorFlow3&4 | Danych | Nieustrukturyzowany2 (obraz, tekst) |
| Keras z TensorFlow3&4 | Regresja | Nieustrukturyzowany2 (obraz, tekst) |
| Funkcja Python | Danych | Ustrukturyzowane (dane, tekst) |
| Funkcja Python | Regresja | Ustrukturyzowane (dane, tekst) |
| scikit-naucz się5 | Danych | Ustrukturyzowane (dane, tekst) |
| scikit-naucz się | Regresja | Ustrukturyzowane (dane, tekst) |
| XGBoost6 | Danych | Ustrukturyzowane (dane, tekst) |
| XGBoost | Regresja | Ustrukturyzowane (dane, tekst) |
1Aby uzyskać więcej informacji na temat AutoAI, zapoznaj się z informacjami w sekcji Szczegóły implementacjiAutoAI. W przypadku modeli, w których dane uczniowskie znajdują się w Cloud Object Storage, nie ma obsługi atrybutów typu boolowskiego typu Boolean. Jeśli jednak dane uczących znajdują się w obszarze Db2, to Watson OpenScale obsługuje atrybuty fairness, które są typu Boolean. Jeśli używana jest opcja AutoAI , funkcja Watson OpenScale nie obsługuje modeli, gdy predykcja modelu jest binarnym typem danych. Należy zmienić takie modele tak, aby typ danych predykcji był typem danych typu łańcuchowego.
2Wielkości mierzone Fairness i drift nie są obsługiwane w przypadku typów danych nieustrukturyzowanych (obrazów lub tekstu).
3Obsługa systemuKeras nie obejmuje obsługi uczciwości.
4Możliwość wyboru jest obsługiwana, jeśli model/środowisko generuje prawdopodobieństwa predykcji.
5Aby wygenerować model wykrywania znoszenia, należy użyć narzędzia scikit-poznaj wersję 0.24.1 w notebookach.
6W przypadku modeli binarnych XGBoost i modeli z wieloma klasami należy zaktualizować model, aby zwracał prawdopodobieństwo predykcji w postaci wartości liczbowych dla modeli binarnych oraz listy prawdopodobieństw na klasę dla modeli wielopoklasowych. Obsługa środowiska XGBoost ma następujące ograniczenia dotyczące problemów z klasyfikacją: w przypadku klasyfikacji binarnej funkcja Watson OpenScale obsługuje funkcję regresji logistycznej binary:logistic z danymi wyjściowymi z prawdopodobieństwem True. W przypadku klasyfikacji wieloklasowej funkcja Watson OpenScale obsługuje funkcję multi:softprob , w której wynik zawiera przewidywane prawdopodobieństwo dla każdego punktu danych należącego do każdej klasy.
Modele AutoAI i dane treningowe
AutoAI automatycznie przygotowuje dane, stosuje algorytmy lub estymatory, a także buduje modele rurociągów, które najlepiej nadają się do Twoich danych i przypadków użycia. Usługa Watson OpenScale wymaga dostępu do danych uczących w celu analizy modelu.
Ponieważ usługa Watson OpenScale nie może wykryć położenia danych uczących dla modelu AutoAI , tak jak w przypadku modelu zwykłego, należy jawnie podać wymagane szczegóły w celu uzyskania dostępu do lokalizacji danych szkoleniowych:
- W przypadku ścieżki elektronicznej, w której można ręcznie konfigurować monitory, należy podać szczegóły dotyczące bazy danych, z których można uzyskać dostęp do danych uczących.
- W przypadku niestandardowej ścieżki notatnika, w której przesyłany jest rozkład danych treningowych, można użyć pliku JSON, który jest generowany przez uruchomienie notatnika.
Więcej informacji na ten temat zawiera sekcja Określanie szczegółów modelu.
Określanie instancji usługi IBM Watson Machine Learning
Pierwszym krokiem w narzędziu Watson OpenScale jest określenie instancji IBM Watson Machine Learning . Instancja Machine Learning służy do przechowywania modeli i wdrożeń AI.
Wymagania wstępne
Należy udostępnić instancję usługi IBM Watson Machine Learning na tym samym koncie lub klastrze, w którym znajduje się instancja usługi Watson OpenScale . Jeśli instancja IBM Watson Machine Learning została udostępniona w innym koncie lub w innym klastrze, nie można skonfigurować tej instancji z automatycznym rejestrowaniem ładunku za pomocą funkcji Watson OpenScale.
Połącz swoją instancję usługi Machine Learning .
Usługa Watson OpenScale łączy się z modelami i wdrożeniami AI w instancji IBM Watson Machine Learning . Aby połączyć usługę z usługą Watson OpenScale, przejdź do karty Konfiguruj 
, dodaj dostawcę uczenia maszynowego i kliknij ikonę Edytuj 
. Oprócz nazwy i opisu oraz tego, czy jest to typ środowiska Pre-produkcyjny , czy Produkcyjny , należy podać następujące informacje specyficzne dla tego typu instancji usługi:
- Jeśli istnieje instancja programu IBM Watson Machine Learning, to produkt Watson OpenScale wykryje go wraz z informacjami o konfiguracji.
Temat nadrzędny: Obsługiwane mechanizmy uczenia maszynowego, środowiska i modele