Vous pouvez afficher un graphique de visualisation pour votre évaluation de l'équité, qui affiche les points de données d'une fonction surveillée à une heure sélectionnée.
Dans votre tableau de bord Insights, sélectionnez votre modèle déployé pour afficher les détails de vos moniteurs configurés.
Pour afficher les détails d'une statistique d'équité particulière, sélectionnez Equité, puis choisissez une heure spécifique dans le graphique d'équité. Pour sélectionner une autre fonction ou une autre heure pour la révision des détails, vous pouvez utiliser des filtres, tels que Attribut surveillé, Dateet Heure.
Interprétation du graphique
Le graphique fournit une représentation visuelle des informations suivantes:
Vous pouvez observer la population qui est confrontée au biais (par exemple, des clients de la plage d'âges des 18-23 ans). Le graphe indique également le pourcentage de résultat attendu pour cette population.
Le graphique montre le pourcentage du résultat attendu pour la population de référence, c'est à dire la moyenne du résultat attendu sur l'ensemble des populations de référence.
Le graphique indique la présence du biais. Le rapport du pourcentage des résultats attendus pour les populations de la plage sur le pourcentage des résultats attendues pour la population de référence et s'il dépasse le seuil.
Le graphique montre également la distribution des valeurs de référence et surveillées pour chaque valeur distincte de l'attribut dans les données provenant de la table de contenu utile analysée pour identifier le biais. La distribution des données de contenu est indiquée pour chaque valeur distincte de l'attribut d'équité (même les valeurs de référence sont indiquées). Ces informations peuvent être utilisées pour corréler le biais avec la quantité de données reçues par le modèle.
En outre, le graphique montre le pourcentage de la population avec les résultats attendus. La source du biais correspond aux données de ce groupe, lequel a faussé les résultats et donné lieu à une augmentation en pourcentage des résultats attendus pour la classe de référence. Ces informations peuvent être utilisées pour identifier les parties des données qui peuvent ensuite être sous-échantillonnées lorsque vous entraînez à nouveau le modèle.
Autre élément important que montre le graphique : le nom de la table contenant les données identifiées pour l'étiquetage manuel. Chaque fois que l'algorithme détecte un biais dans le modèle. Identifie également les points de données qui peuvent être envoyés pour étiquetage manuel par l'homme. Ces données étiquetées manuellement peuvent alors être utilisées avec les données d'entraînement d'origine pour entraîner à nouveau le modèle. Le modèle entraîné à nouveau n'aura probablement plus le biais. La table d'étiquetage manuel est présente dans la base de données associée à l'instance Watson OpenScale.
Etapes suivantes
Affichage des résultats d'équité pour le biais indirect
Rubrique parent: Obtention d'analyses avec Watson OpenScale