Puede ver un gráfico de visualización para la evaluación de equidad, que muestra puntos de datos para una característica supervisada en una hora seleccionada.
En el panel de control de información, seleccione el modelo desplegado para ver detalles sobre los supervisores configurados.
Para ver los detalles detrás de una estadística de equidad determinada, seleccione Equidad y, a continuación, puede elegir una hora específica del gráfico de equidad. Para seleccionar una característica o una hora diferente para revisar los detalles, puede utilizar filtros como, por ejemplo, Atributo supervisado, Fecha y Hora.
Interpretación del gráfico
El gráfico proporciona una representación visual para la información siguiente:
Puede observar la población que experimenta sesgo (por ejemplo, clientes en el rango de 18 a 23 años). El gráfico muestra también el porcentaje del resultado esperado para esta población.
El gráfico muestra el porcentaje de resultados esperados para la población de referencia, que es el promedio del resultado esperado en todas las poblaciones de referencia.
El gráfico indica la presencia de sesgo. La proporción del porcentaje de resultados esperados para las poblaciones en el rango del porcentaje de resultados esperados para la población de referencia y si se supera el umbral.
El gráfico también muestra la distribución de los valores de referencia y supervisados para cada valor distinto del atributo de los datos de la tabla de carga útil que se ha analizado para identificar el sesgo. La distribución de los datos de carga útil se muestra para cada valor individual del atributo de equidad (incluso se muestran los valores de referencia). Esta información se puede utilizar para correlacionar el sesgo con la cantidad de datos que recibe el modelo.
Además, el gráfico muestra el porcentaje de población con los resultados esperados. El origen del sesgo son los datos de este grupo, que desviaron los resultados y llevaron a un incremento en el porcentaje de resultados esperados para la clase de referencia. Esta información se puede utilizar para identificar partes de los datos que luego pueden ser insuficientemente muestreados al volver a entrenar el modelo.
Otra cosa importante que muestra el gráfico es el nombre de la tabla que contiene los datos que se identifican para el etiquetado manual. Siempre que el algoritmo detecte un sesgo en un modelo. También identifica los puntos de datos que se pueden enviar para el etiquetado manual por parte de los humanos. Estos datos etiquetados manualmente se pueden utilizar junto con los datos de entrenamiento originales para volver a entrenar el modelo. Es probable que este modelo reentrenado no esté sesgado. La tabla de etiquetado manual está presente en la base de datos que está asociada a la instancia de Watson OpenScale.
Próximos pasos
Visualización de resultados de equidad para sesgo indirecto
Tema principal: Obtención de información con Watson OpenScale